III.4Клиентская поддержка и customer success

Это дообученная ShenaoZ модель Mistral для генерации текста и диалогового общения. Она основана на HuggingFaceH4/mistral-7b-sft-beta и обучена на наборах данных updated и original. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текстовые запросы, формируя текстовые ответы; заявленный контекст — до 32 768 токенов. Модель подходит для диалогов и генерации текстовых ответов. В метаданных указана лицензия MIT. Подробности о целевых сценариях, оценке качества и ограничениях в карточке не раскрыты.

Это диалоговая модель генерации текста на архитектуре Mistral, разработанная как дообученная версия ShenaoZ/0.0001_withdpo_4iters_bs256_5102lr_misit_correct_iter_1. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и ответов на инструкции. Она дообучена на датасетах updated и original; базовая модель описана в каталоге как диалоговая Mistral, дообученная на UltraFeedback. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Подробности о качестве, оценке и конкретных ограничениях в карточке не приведены.

Это диалоговая языковая модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель дообучена на основе ShenaoZ/0.0001_withdpo_4iters_bs256_5551lr_iter_1 на наборах данных updated и original; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и ответов на запросы в диалоговом режиме. Она принимает текст и формирует текстовые ответы, поддерживает контекст до 32 768 токенов. Лицензия — MIT. В карточке нет подробных сведений об оценке качества или конкретных ограничениях.

ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_1 — дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized для генерации текста и общения в формате чата. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указана лицензия MIT. README не содержит дополнительных сведений о назначении, оценке качества или ограничениях.

Это чат-модель Mistral с 7,1 млрд параметров, дообученная на исходном и обновлённом наборах данных на базе HuggingFaceH4/mistral-7b-sft-beta. Она предназначена для генерации текста в диалогах и ответов на вопросы. Модель использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указан чат-сценарий. Карточка не приводит подробностей об оценке качества или специальных ограничениях. Лицензия — MIT.

ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_2 — дообученная разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она продолжает обучение модели ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_1 на исходном и обновлённом наборах данных и предназначена для генерации текста в диалоговом формате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии MIT. Подробности о наборе данных, оценках качества и известных ограничениях в карточке не раскрыты.

Модель ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_1 — дообученная версия Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на базе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста и диалогового общения. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии MIT. Её можно использовать для создания ответов на вопросы и ведения текстовых диалогов. Подробные сведения об обучении и оценке, а также конкретные ограничения этой версии в README не описаны.

ShenaoZ/0.001_ablation_5iters_bs256_iter_2 — дообученная модель семейства Mistral, созданная на основе ShenaoZ/0.001_ablation_5iters_bs256_iter_1 и обученная на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; максимальная длина контекста составляет 32 768 токенов. В метаданных указана поддержка чата, но сведения о языках и результатах оценки отсутствуют. Распространяется под лицензией MIT.

0.001_ablation_iter_1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная на базе HuggingFaceH4/mistral-7b-sft-beta на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и общения в формате диалога; её можно использовать для ответов на вопросы и ведения текстовых бесед. Модель принимает текст и выдаёт текст. Размер контекстного окна — 32 768 токенов. В репозитории используются веса Safetensors, лицензия — MIT. README не приводит результаты оценки качества или подробностей об ограничениях, поэтому характеристики ответов для отдельных сценариев по доступным данным определить нельзя.

Модель ShenaoZhang/0.001_idpo_same_replacechosen_iter_1 — дообученная версия HuggingFaceH4/mistral-7b-sft-beta на наборе HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно использовать для ответов на вопросы, ведения диалога и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит дополнительных сведений о назначении, оценке качества или ограничениях модели.

Это диалоговая модель генерации текста, разработанная ShenaoZ и дообученная на базе ShenaoZ/0.001_withdpo_4iters_bs256_5102lr_iter_2 на наборах данных updated и original. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. Подробности о качестве, оценке и специальных ограничениях в карточке не приведены.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Модель дообучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста в формате общения и ответов на вопросы. Архитектура — плотная авторегрессионная MistralForCausalLM; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. В карточке нет подробных сведений об оценке качества и ограничениях; её возможности и надёжность следует проверять на целевых сценариях. Репозиторий распространяется по лицензии MIT.

Чат-модель для генерации текста, созданная дообучением модели ShenaoZhang/0.001_zephyr_5551_4iters_bs256_iter_2 на обновлённом и исходном наборах данных. Она построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. Модель распространяется по лицензии MIT. README не содержит сведений об оценке качества, рекомендуемых сценариях применения или специальных ограничениях.

sstoica12/acquisition_llama8bins_omnimath_confidence — текстовая генеративная модель, размещённая пользователем sstoica12 на Hugging Face. По метаданным она относится к семейству Llama, использует библиотеку Transformers и содержит около 7,5 млрд параметров. Модель предназначена для генерации текста и поддерживает conversational-сценарии. Модель может применяться для диалоговых ответов, продолжения текста, подготовки черновиков и других задач генерации на основе текстового запроса. Заявлена длина контекста до 131 072 токенов, что позволяет обрабатывать большие входные последовательности. README создан автоматически и не содержит сведений о разработчике, базовой модели, языках, данных обучения, результатах оценки или лицензии.

Airophin v2 — авторская донастройка модели Llama 2 на 13 млрд параметров, созданная bhenrym14. Она предназначена для генерации текста в диалогах и задачах, подобных следованию инструкциям; финальный этап дообучения выполнен на наборе Airoboros GPT-4 m2.0. Модель использует архитектуру LlamaForCausalLM и позиционную интерполяцию с линейным масштабированием RoPE, расширяющую контекст до 8192 токенов. В карточке приведены результаты сравнения perplexity на контекстах до 2048 токенов. Для обучения использовалась QLoRA ранга 64; опубликованы веса fp16 в формате safetensors. Модель принимает текст и генерирует текст. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Aitana-7B-S-Instruct — это языковая модель семейства Aitana, разработанная группой GPLSI Университета Аликанте. Модель построена на базе gplsi/Aitana-7B-S-base-1.0 и дообучена следовать инструкциям. Это декодерный Transformer архитектуры Llama с 6,7 млрд параметров по метаданным и контекстом до 8192 токенов. Модель предназначена для диалогов, ответов на запросы и генерации текста на валенсийском, испанском и английском языках; особое внимание уделено валенсийскому. Её можно применять для общения с пользователями, черновиков текстов и задач в административной, юридической и туристической областях. По карточке модель не рассчитана на роль надёжной фактологической базы. Лицензия — Apache-2.0.

ewqr2130/alignment-handbook-zephyr-7b-sft-full-dpo-5e7-cont2 — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, опубликованная пользователем ewqr2130. Название и карточка указывают на продолжение обучения Zephyr 7B с применением supervised fine-tuning и Direct Preference Optimization; в README упомянуто 7 тысяч шагов обучения. Модель предназначена для генерации текста в диалоге: ответов на вопросы и поддержания переписки. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache 2.0. Карточка не сообщает о специализированной предметной области или языках обучения и не приводит оценок качества. Возможны типичные для генеративной языковой модели ошибки и выдуманные сведения; качество на конкретных задачах следует проверять отдельно.

aligntune-testrun-RAFT — дообученная диалоговая языковая модель, опубликованная ram-lexsi и созданная с помощью AlignTune. Она основана на Qwen/Qwen2.5-0.5B-Instruct: это плотная модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README приведён пример загрузки через Transformers. Карточка не описывает конкретный алгоритм дообучения, целевые данные или специализацию, поэтому модель уместно рассматривать как компактную модель общего назначения для диалоговых приложений и выполнения инструкций. Лицензия в предоставленных данных не указана.

Модель shhossain/all-MiniLM-L6-v2-sentiment-classifier разработана shhossain и классифицирует английский текст по шести эмоциям: грусть, радость, любовь, гнев, страх и удивление. Это дообученная модель семейства Sentence Transformer на архитектуре all-MiniLM-L6-v2, обученная на наборе данных dair-ai/emotion. В метаданных указаны 22,7 млн параметров, форматы PyTorch и safetensors, а задача Hugging Face — text-classification. Модель подходит для определения эмоциональной окраски коротких сообщений, отзывов и других текстов. Она выдаёт метку класса, поэтому результаты отражают только шесть категорий, представленных в обучающей выборке. Лицензия в метаданных — Apache 2.0.

maicomputer/alpaca-native — реплика Stanford Alpaca от автора репозитория maicomputer. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров, предназначенная для генерации текста по инструкциям. Она обучена на исходных инструкциях Alpaca с небольшим изменением режима FSDP; в карточке приведены результаты оценки на ARC и HellaSwag. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. Данных о лицензии и поддерживаемых естественных языках в предоставленных источниках нет.

Anubis-v1-Magnum-v4-SE-70B — слитая модель для генерации текста, созданная автором knifeayumu с помощью mergekit методом SLERP. В неё объединены TheDrummer/Anubis-70B-v1 и Doctor-Shotgun/L3.3-70B-Magnum-v4-SE. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 69,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, творческого письма и ролевых сценариев. Модель принимает текст и генерирует текст; метаданные также отмечают интерфейс для вызова инструментов. Она опубликована в формате safetensors, а конфигурация слияния указывает на bf16. Карточка не приводит отдельной информации о лицензии, поэтому условия использования следует проверять по лицензиям исходных моделей и репозитория. Данных о специальных ограничениях качества или безопасности в карточке нет.

AquilaMoE — двуязычная языковая модель с архитектурой Mixture of Experts (MoE), разработанная командой Language Foundation Model & Software Team Пекинской академии искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. В модели 15,9 млрд параметров, контекстное окно — 4096 токенов. По описанию обучения, на каждом токене активируются два из восьми экспертов; README указывает около 30 млрд активных параметров. Модель обучали по методике EfficientScale с переносом весов из меньших плотных моделей и последующим переходом к MoE; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов и ведения диалога. README отдельно предупреждает, что версия Instruct не имеет механизмов модерации, поэтому её ответы могут требовать дополнительной проверки и защитных мер. Лицензия — Apache-2.0.

pix08934725/axxis-test — дообученная языковая модель автора pix08934725 на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 3,2 млрд параметров, предназначенная для генерации текста и диалогового использования. В метаданных заявлены контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате safetensors. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL, но не описывает специализацию дообучения, обучающие данные или результаты оценки. Указан английский язык. Модель выпущена по лицензии Apache-2.0.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-ita-eng — генеративная языковая модель для создания текста на основе заданного контекста. Модель опубликована на Hugging Face и предназначена для использования с библиотекой Transformers; по названию относится к семейству Beetle-FineWeb2 и имеет размер 24B параметров. В метаданных указан pipeline text-generation и тег pico_decoder. По названию модель ориентирована на двуязычные сценарии с итальянским и английским языками, включая продолжение текста, генерацию ответов и подготовку черновиков. README содержит автоматически созданную карточку без сведений о разработчике, лицензии, обучающих данных, оценках, контексте и специальных ограничениях, поэтому перед продуктивным применением необходимы самостоятельные проверки качества, безопасности и совместимости.

Cruciator разработал BERT2BERT — модель типа encoder-decoder для суммаризации коротких многоходовых диалогов. Энкодер и декодер инициализированы из google-bert/bert-base-uncased, а в декодер добавлен модуль cross-attention; модель дообучена на наборе DialogSum для генерации краткого резюме разговора на английском языке. Модель подходит для создания однопредложных сводок чатов, фрагментов встреч и разговоров с клиентской поддержкой. README рекомендует подавать диалог длиной до 256 токенов; генерация ограничена 64 токенами. Размер модели — около 0,2 млрд параметров. Лицензия — Apache 2.0. Модель обучалась на сравнительно небольшом наборе данных, поэтому точность и фактическая верность резюме не гарантированы. Она рассчитана на короткие разговоры на английском языке и может плохо работать с длинными текстами, одиночными высказываниями и специализированными областями без дополнительного дообучения.

Xenova/bert-base-multilingual-uncased-sentiment — версия модели nlptown/bert-base-multilingual-uncased-sentiment с весами в формате ONNX, подготовленная для работы в библиотеке Transformers.js. Модель предназначена для классификации тональности текста и может использоваться в JavaScript-приложениях, включая веб-сценарии, например для оценки эмоциональной окраски пользовательских отзывов и сообщений. Ключевая характеристика этой версии — совместимость с Transformers.js благодаря ONNX-весам; базовая архитектура и прочие параметры унаследованы от исходной BERT-модели. README не содержит сведений о размере модели, поддерживаемых языках, длине контекста, точной схеме классов, качестве, ограничениях или лицензии. Поэтому эти характеристики нельзя достоверно уточнить по представленным данным.

BERT-Emotions-Classifier — дообученная модель на архитектуре BERT, разработанная Ayoub Kirouane для многометочной классификации эмоций в тексте. Она принимает строку и возвращает одну или несколько меток эмоций с оценками: гнев, ожидание, отвращение, страх, радость, любовь, оптимизм, пессимизм, грусть, удивление и доверие. Модель подходит для анализа эмоциональной окраски публикаций в социальных сетях и отзывов, а также для рекомендаций с учётом эмоционального контекста. Она обучена на наборе данных SemEval 2018 Task 1, содержит 136,7 млн параметров, использует библиотеку Transformers и обрабатывает контекст длиной до 512 токенов. Поддерживается английский язык. Лицензия в предоставленных данных не указана.

BLOSSOM-v3.1-yi-34b — диалоговая большая языковая модель, разработанная командой Blossom и дообученная на Yi-34B. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует продолжение диалога. Модель предназначена для общения на китайском и английском языках, ответов на вопросы и выполнения инструкций общего назначения. При обучении использовались наборы Wizard и Orca для одношаговых инструкций, а также данные Blossom для многоходового диалога и математических рассуждений. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка описывает обучение и формат диалога, но не приводит количественных оценок качества; результаты могут зависеть от формулировки запроса и ограниченного контекста.

BLOSSOM-v4-qwen15-4b — диалоговая языковая модель, созданная на основе Qwen1.5-4B и дообученная командой Blossom на смешанных наборах данных Blossom Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов. Она принимает текстовые инструкции и историю диалога и генерирует ответы; обучение включало одноходовые инструкции и многоходовые беседы на китайском и английском языках. Модель предназначена для диалоговых помощников, ответов на вопросы, следования инструкциям и решения задач общего назначения, включая математические запросы. README описывает формат диалогового продолжения и шаблон промпта для одиночного и многоходового диалога. Модель опубликована в формате Safetensors по лицензии Apache-2.0. Карточка не приводит количественных оценок качества; результаты могут зависеть от формата промпта и выбранного сценария использования.

BLOSSOM-v5-14b — разговорная языковая модель, разработанная проектом Blossom и дообученная на базе Qwen1.5-14B. По метаданным, архитектура модели — плотная Qwen2ForCausalLM с 13,4 млрд параметров; она работает с контекстом до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций, включая задачи с математическими запросами. Обучение проходило в два этапа на наборах Blossom Orca, Wizard, Chat и Math; README сообщает, что данные серии V5 дистиллированы из GPT-4-0125-preview. Основные языки — китайский и английский. Модель принимает текст и генерирует текст. Указанная лицензия — Apache-2.0. README описывает общие разговорные возможности, но не приводит количественных оценок качества или подробных результатов тестирования.