III.5Управление персоналом и организацией

smallm-125m — двуязычная языковая модель семейства Smallm, разработанная автором репозитория и обученная с нуля. Она содержит 135,3 млн параметров и предназначена для генерации текста и диалогов на английском и немецком языках. Обучение включало предварительное обучение на 3,49 млрд токенов и дообучение на 162 млн токенов диалогов. Контекстное окно составляет 1024 токена для запроса и ответа вместе. Модель использует плотную архитектуру SmallmForCausalLM с 12 слоями, 12 головами и шириной 768. В карточке указаны RMSNorm, rotary embeddings, QK-нормализация, ReLU² MLP и другие архитектурные решения; веса опубликованы в формате Safetensors. Модель может отвечать на простые вопросы, составлять короткие объяснения, списки, черновики писем и резюме, а также поддерживать несколько ходов диалога. Качество ограничено небольшим размером: модель ошибается в арифметике и подсчётах, не справляется с переводом, может уверенно выдумывать факты и терять заданное намерение в длинных ответах. Её не следует использовать для непроверенного поиска фактов или задач с юридическими, медицинскими и финансовыми последствиями. Лицензия — Apache-2.0.

KBNIT разработала разговорную языковую модель Kolon на базе davidkim205/nox-solar-10.7b-v4. Это плотная Llama-модель с 10,6 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; её контекст составляет 4096 токенов. Модель дообучена с использованием QLoRA с параметрами 128 и 32 и NEFTune на частных данных в течение пяти эпох. Модель предназначена для диалоговых сценариев Kolon и генерации ответов на текстовые запросы. В карточке указаны корейский и английский языки. Репозиторий содержит веса PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Качество и ограничения на конкретных задачах в карточке не описаны.

ProofKit Qwen 0.5B — компактная языковая модель семейства Qwen2, разработанная для приложения ProofKit. Это дообученная методом SFT модель Qwen/Qwen2.5-0.5B-Instruct с 494 млн параметров; адаптер LoRA объединён с весами, поэтому модель распространяется как самостоятельный чекпойнт в формате safetensors и работает через Transformers. Она предназначена для подготовки учебных рабочих примеров для соискателей: создания разделов, совместного составления черновиков по ответам пользователя, внесения правок и генерации структурированных сценариев, рекомендаций, оценок готовности и портфолио в строгом JSON. Модель рассчитана на английский язык и обучена на наборе ProofKit SFT примерно из 7 000 синтетических примеров. Контекстное окно — до 32 768 токенов. Модель компактна и подходит для запуска на небольшом GPU; в ProofKit она загружается при первом запросе. По README, на ограниченном наборе из 15 тестовых запросов модель показала средний балл 76,6 из 100 в оценке тремя судьями. Это специализированный компонент приложения, а не универсальный чат-бот: качество зависит от точного формата запросов ProofKit. Из-за небольшого размера модель может пропускать новые или необычные токены и иногда выдавать искажённый текст; приложение использует резервную модель, если черновик теряет ответы пользователя. Лицензия — Apache-2.0.

Zen1t/WordWeaver-AI — русскоязычная модель генерации текста от Zen1t. В метаданных указаны архитектура LlamaForCausalLM, плотная модель размером 6,6 млрд параметров и контекст до 4096 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Пример в карточке показывает продолжение повествовательного текста на русском языке. Модель подходит для генерации и продолжения русскоязычной прозы и других текстов. Карточка не приводит оценок качества или подробных рекомендаций по применению.

HAI-SER-v0.1 — разговорная языковая модель HelpingAI для структурированного эмоционального рассуждения. Она сочетает анализ эмоциональных сигналов с логическим рассуждением, чтобы формировать более чуткие и контекстные ответы. В карточке описаны четыре этапа анализа: оценка эмоционального тона беседы, разбор состояния пользователя, поиск возможных причин переживаний и оценка потенциала для дальнейшего развития. Модель предназначена для интеграции в диалоговые системы и сценарии поддержки клиентов, образования и взаимодействия, где важна эмоциональная чуткость. Она принимает текст и генерирует текстовые ответы; опубликована как плотная модель семейства Llama с архитектурой LlamaForCausalLM, размером 5,1 млрд параметров и контекстом до 131 072 токенов. В метаданных указан английский язык. Модель ранняя и не проверена во всех реальных сценариях: она может упускать нюансы эмоций или давать недостаточно глубокие ответы. Она не предназначена для медицинских рекомендаций и советов по психическому здоровью. Лицензия указана как other.

QuestionGenerationComQ4 — дообученная модель семейства T5 для генерации вопросов. Она создана на основе Gayathri142214002/Question_Generation_ComQ_3; в карточке указана оценка loss 0,4193 на наборе для оценки. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текстовый контекст длиной до 512 токенов. Модель предназначена для генерации вопросов по тексту. Данные обучения, подробные сценарии применения и результаты оценки по другим метрикам в карточке не описаны. Распространяется по лицензии Apache-2.0.

HelpingAI2.5-10B — диалоговая языковая модель, разработанная HelpingAI для эмоционально чуткого общения и ответов с эмпатией. Она основана на плотной трансформерной архитектуре семейства Llama с 9,7 млрд параметров и рассчитана на генерацию текста; заявленное обучение включает дообучение на эмоциональных диалогах и терапевтических обменах, а также обучение с подкреплением и этические ограничения. Модель предназначена для личного общения, образовательной помощи, поддержки развития социальных навыков и разговоров о самочувствии. В метаданных заявлены контекст до 131 072 токенов, английский язык, интерфейс чата и интерфейс вызова инструментов. README также приводит пример запуска GGUF-квантизации, однако опубликованный формат модели указан как safetensors. В README заявлен результат 98,13 на тестах эмоционального интеллекта, но методика и шкала оценки не раскрыты. Авторы указывают, что модель не заменяет специалистов, обладает ограниченной базой знаний и не предназначена для ролевых сценариев. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

NotoriousH2 разработала Qwen3-4B Calendar Agent SFT — плотную языковую модель Qwen3, дообученную методом SFT и опубликованную как объединённый чекпойнт LoRA. Модель предназначена для управления календарём через вызовы инструментов: создания событий, в том числе с несколькими участниками, и выполнения сценариев с календарём только для чтения. Она обучалась на успешных траекториях из синтетических сценариев бенчмарка NotoriousH2/calendar-agent-benchmark в имитационной среде календаря с часовым поясом Asia/Seoul. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текстовые диалоги; контекст — до 40 960 токенов. В тестах автора доля успешного выполнения задач выросла с 20% у базовой модели до 89% у SFT-версии, при этом корректность вызовов инструментов составила 100%. Эти результаты получены на заданных сценариях и не гарантируют такого же качества в реальных календарных сервисах. Модель не обрабатывает аутентификацию, права доступа, персональные данные и восстановление после сбоев. Лицензия — Apache-2.0.

Stark-Prompt-Extender — генеративная языковая модель на архитектуре GPT-2, предназначенная для продолжения и расширения коротких текстовых подсказок. Она может помогать развивать творческие идеи, набрасывать варианты тем для публикаций, предлагать дополнительные детали к исходному запросу и поддерживать мозговой штурм. Модель принимает текст и генерирует текст; заявленный контекст составляет 1024 токена. В репозитории представлены форматы PyTorch и ONNX, лицензия — CreativeML Open RAIL-M. README описывает общие сценарии расширения промптов, но не приводит сведения о точном размере модели, обучающих данных, языках или оценках качества. Результаты генерации могут быть нерелевантными или фактически неточными, поэтому их следует проверять и при необходимости редактировать.

Question_Generation_ComQ_15 — дообученная модель T5, разработанная на основе Gayathri142214002/Question_Generation_ComQ_14. Она предназначена для генерации вопросов по тексту. Модель содержит 123,8 млн параметров, использует архитектуру T5 и принимает контекст длиной до 512 токенов. В README приведено значение loss 0,2026 на оценочном наборе, но подробности о датасете, метриках и сценариях применения отсутствуют. Модель распространяется в формате safetensors по лицензии Apache-2.0.

HeadlineGPT — языковая модель, дообученная автором репозитория на базе Qwen/Qwen2.5-1.5B-Instruct для создания коротких, привлекательных заголовков по исходному тексту. Она предназначена для заголовков новостей и статей, исследовательских материалов, выступлений, презентаций и публикаций в социальных сетях. Модель использует архитектуру Qwen2 с 1,5 млрд параметров и адаптер LoRA/PEFT ранга 16. При обучении на парах «текст — заголовок» примеры взвешивались по показателю вовлечённости; использовалась случайная выборка из 25 тысяч примеров и два прохода обучения. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 32 768 токенов. Взвешивание по вовлечённости нацелено на создание более привлекательных заголовков, но не гарантирует их точность или фактическую корректность. Для применения адаптера требуется базовая модель Qwen/Qwen2.5-1.5B-Instruct. Лицензия — Apache-2.0.

Модель theharmonylab/implicit-motives-affiliation-roberta-large — дообученная версия FacebookAI/roberta-large для классификации текста. Она обучена на GLUE SCHONE_AFF и предназначена для определения аффилиационных мотивов в тексте. В карточке приведены результаты на оценочной выборке: loss 0,1011 и ROC AUC 0,9877. Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. Указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Карточка не уточняет метки классов и ограничения применения, поэтому результаты на другом распределении данных не подтверждены.

OSim-4B — текстовая модель для симуляции поведения людей и пользователей, разработанная в рамках проекта OdysSim командой CMU-LTI. Это дообученный чекпойнт Qwen3-4B: после промежуточного обучения OdysSim модель прошла целевое обучение с подкреплением и консолидацию экспертных данных. Архитектура — плотная Qwen3ForCausalLM примерно на 3,7 млрд параметров; модель принимает и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для диалоговой симуляции поведения и пользовательских сценариев. Модель подходит для создания симулированных пользователей и воспроизведения поведенческих сценариев в текстовых взаимодействиях. В карточке нет сведений о поддерживаемых естественных языках или о специализированных прикладных областях, поэтому такие свойства не заявляются. Лицензия — MIT. Качество симуляции за пределами заявленных сценариев, защитные механизмы и ограничения применения в README не описаны.

EMO-1.5B — разговорная языковая модель OEvortex с 1,5 млрд параметров, созданная на архитектуре Llama и дообученная на корпусе эмоциональных повествований. Модель предназначена для диалогов, в которых важно учитывать эмоциональную окраску сообщений: она может поддерживать беседу, распознавать эмоции в контексте и формулировать сочувственные ответы, утешение или мотивацию. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В карточке не описаны поддерживаемые языки и специальные предметные области. Указана лицензия MIT. Эмоциональная поддержка и советы не гарантируют точности или профессионального качества, поэтому ответы следует оценивать с учётом контекста.

KBNIT/nox-solar-10.7b-v4-kolon-ITD-5-v2.2 — разговорная языковая модель, дообученная разработчиками для Kolon на базе yanolja/KoSOLAR-10.7B-v0.3. Модель использует архитектуру Llama с плотной causal language model и содержит 10,6 млрд параметров; для дообучения применялся QDoRA с параметрами 256 и 64, один цикл обучения и закрытые данные. Модель предназначена для генерации текста в диалоговом формате. В карточке указана разработка для Kolon; поддерживаемые языки по метаданным — корейский и английский. Контекст составляет 4096 токенов. Репозиторий содержит веса PyTorch, лицензия — CC BY-NC 4.0. Карточка не описывает конкретные сценарии Kolon, показатели качества или ограничения дообучения.

copywriter-gemma4-31b-GGUF — это квантизированная GGUF-версия модели copywriter-gemma4-31b, разработанной akwin123 и преобразованной и опубликованной mradermacher. Модель основана на Gemma 4 с размером 31 млрд параметров и ориентирована на генерацию текста на английском языке. Модель предназначена прежде всего для копирайтинга, маркетинга, рекламы, написания рекламных и продающих текстов, email-маркетинга, direct response и conversion copywriting. Также заявлены возможности conversational-взаимодействия и работа с эмоционально окрашенным содержанием. В репозитории доступны различные варианты квантизации Q2_K–Q8_0 и IQ4_XS размером примерно от 12,0 до 32,7 ГБ, что позволяет выбирать баланс между требованиями к памяти, скоростью и качеством. Дополнительные файлы mmproj указывают на поддержку мультимодального режима, однако подробности о поддерживаемых модальностях и контекстном окне не приведены. Сильной стороной модели является специализация на рекламных и коммерческих текстах, а также широкий выбор квантизированных вариантов для локального запуска. Ограничения включают отсутствие подробных результатов оценки, параметров контекстного окна и описания качества на конкретных задачах; заявлен только английский язык. Модель распространяется по лицензии Gemma.

Brandon Howe разработал Qwen3-8b-compassion-seed2-20261001-CPT-final — дообученную модель генерации текста на архитектуре Qwen3ForCausalLM, основанную на Qwen/Qwen3-8B-Base. Это плотная авторегрессионная модель примерно на 7,6 млрд параметров с контекстом до 32 768 токенов; она предназначена для генерации текста и диалоговых сценариев, связанных с темой сострадания. Обучение продолжалось на наборе CompassioninMachineLearning/compassion_12185_cleaned: README указывает 10 000 уникальных документов и повторные предъявления примеров. Карточка описывает модель как отдельный BF16-чекпойнт в формате safetensors, для загрузки которого не нужен адаптер. Модель можно применять для генерации ответов и текстов в диалогах, где важен сострадательный стиль. Сам факт обучения на тематических данных не доказывает улучшения сострадания, поэтому это свойство следует оценивать отдельно. Используется библиотека Transformers. Лицензия в предоставленных данных не указана.

SenseNova-U1-8B-MoT-Infographic-V3 — мультимодальная модель SenseNova для генерации и редактирования инфографики. Она построена на архитектуре NEO-unify и объединяет понимание и генерацию изображений с работой с языком в одной модели; размер — 8 млрд параметров. Модель принимает текстовые запросы и изображения, а выдаёт изображения, в том числе с текстом и визуальными элементами, соответствующими запросу. Модель предназначена для создания инфографики по текстовому описанию и её правки по запросу на естественном языке или с указанием области для изменения. Она поддерживает локальные правки текста и содержимого, а также глобальное изменение стиля и компоновки; среди заявленных сильных сторон — сохранение неизменённых областей при редактировании. README приводит результаты сравнительных оценок, но они не гарантируют качество для конкретного запроса. Модель распространяется по лицензии Apache-2.0; для запуска описаны Transformers и отдельный стек LightLLM с LightX2V.

Corianas/590m — англоязычная GPT-2-модель на 590 млн параметров, дообученная Corianas на базе Cerebras 590M с использованием фреймворка Databricks Dolly и набора инструкций tatsu-lab/alpaca. Она предназначена для диалога и генерации текста по инструкциям: например, для черновиков писем, коротких текстов и ответов на вопросы. Контекст модели составляет 2048 токенов. В примерах карточки ответы часто содержат фактические ошибки и бессвязные детали; автор отдельно предупреждает, что знания модели о фактах почти отсутствуют. Поэтому её следует использовать для экспериментов с генерацией и инструктивным диалогом, а не полагаться на неё для достоверных сведений. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

ThakiCloud разработала эту модель как дообученную версию Qwen3.8-27B-Human-KO для корпоративных консультационных агентов. Она анализирует политику компании, включая правила и исключения, вместе с запросом клиента и выбирает одно действие: ответить, задать уточняющий вопрос, запросить подтверждение, вызвать инструмент, передать обращение оператору или отказать. Ответ формируется в виде JSON. Модель представляет собой плотную архитектуру семейства Qwen3.5 с 27 млрд параметров; она принимает текст и предназначена прежде всего для корейских диалогов. Чекпойнт создан методом LoRA supervised fine-tuning с последующим слиянием адаптера с базовой моделью. В тестах на синтетических сценариях корпоративной политики авторы сообщают точность 97,6%; модель также поддерживает интерфейс вызова инструментов. Для работы требуется передать инструкции из prompt_contract.txt вместе с политикой и запросом клиента. Набор инструментов в чекпойнт не встроен: модель выбирает действие вызова, а аргументы и фактическое выполнение должны обрабатываться сервисом. Результаты на синтетическом бенчмарке не гарантируют качество на реальных политиках, поэтому их следует проверять отдельно. Лицензия — Apache-2.0.

zelk12/MT4-IF-gemma-2-RIv0.1RPMHv0.1-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Автор объединил с помощью mergekit и метода SLERP две модели: zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-psy10k-mental_healt-9B-v0.1. Модель рассчитана на генерацию текста в формате диалога, с уклоном в психологию и психическое здоровье. Модель принимает текст и генерирует текст; её контекст составляет 8192 токена. Она доступна в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Arcane-13B — англоязычная плотная авторегрессионная языковая модель семейства Llama с 12,9 млрд параметров, разработчик — ar3xop. Она предназначена для анализа текстов о психическом здоровье, оценки кризисных ситуаций и благополучия, многофакторной классификации дистресса и генерации пояснений. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Карточка описывает модель как инструмент для сложного анализа и оценки, однако не приводит результатов проверок качества, протоколов клинической валидации или инструкций по безопасному применению. Модель не следует считать заменой специалиста в вопросах психического здоровья. Доступна в формате PyTorch по лицензии Llama 2.

GPT-2 Medium Conditional Quote Generator — дообученная модель семейства GPT-2, созданная командой ml6team на наборе данных Quotes-500K. Она генерирует цитаты по заданным темам: темы передаются в промпте в формате «Given Topics: тема 1 | тема 2. Related Quote:». Модель предназначена для создания тематических цитат; архитектура — плотная GPT2LMHeadModel, контекст — до 1024 токенов. Доступны веса в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

kmhf/hf-moshiko — размещённая пользователем kmhf копия модели Moshi, разработанной лабораторией Kyutai; карточка репозитория автоматически создана и не содержит отдельных сведений о разработчике копии, лицензии или базовой модели. Moshi предназначена для разговоров голосом в реальном времени: она одновременно воспринимает речь пользователя и генерирует собственную, поддерживая двусторонний диалог с перебиваниями и наложением реплик. В модели примерно 8,7 млрд параметров по метаданным репозитория; архитектура — плотный Transformer Moshi, а исходная система сочетает языковую модель Helium с потоковой многоуровневой генерацией аудиотокенов. В статье разработчиков описана задержка около 200 мс на практике и эксперименты с контекстом до пяти минут; метаданные этой копии указывают native context в 3000 токенов. Модель принимает аудио и выдаёт аудио, а также связанный с речью текст; основное назначение — голосовой диалог, а не отдельная ASR- или TTS-система. В статье базовый языковой компонент обучен на английских текстах, поэтому не следует считать подтверждённой широкую поддержку других языков. Лицензия в карточке репозитория не указана; выяснить условия использования этой копии по доступным источникам нельзя.

Copina — небольшая разговорная языковая модель, созданная Finisha-F и дообученная на базе learnia, предварительно обученной LLm-Clem. Модель предназначена для генерации комплиментов на английском языке: её можно использовать, чтобы получить ободряющую или милую фразу. Модель основана на архитектуре GPT-2 и доступна в формате Safetensors. Метаданные указывают контекстное окно в 1350 токенов и поддержку чата. Copina ограничена генерацией комплиментов на английском и не предназначена для сложного диалога. Указана лицензия other; конкретные условия использования в карточке не раскрыты.

nandinib1999/quote-generator — языковая модель GPT-2, дообученная на наборе цитат Quotes-500K. По заданному пользователем началу или подсказке она генерирует мотивационные цитаты, продолжая текст. Модель принимает текст и выдаёт текст; карточка указывает английский язык и контекст длиной 1024 токена. Модель доступна в форматах PyTorch и Flax и распространяется по лицензии CC. Она предназначена для генерации коротких цитат по подсказке. Карточка не приводит подробностей об оценке качества, поэтому пригодность результатов для публикации или иных важных задач следует проверять отдельно.

Модель sarath-boinbo/distilroberta-inspirational-quotes — дообученная Sarath Boinbo версия distilroberta-base для подбора продолжений вдохновляющих цитат на английском языке. Она использует архитектуру RoBERTa с маскированным языковым моделированием; размер — 95,2 млн параметров, контекст — до 514 токенов. Модель рассчитана на работу через задачу fill-mask: в текстовом фрагменте с маской она предсказывает подходящее слово или фрагмент. Модель обучена на наборе Abirate/english_quotes и может быть полезна для завершения цитат, подсказок при написании мотивационных текстов и демонстрации переноса обучения на узкую тематику. Карточка приводит значение loss 1,5843 и сравнение с базовой моделью на отдельном примере, но не описывает широкую оценку качества. Для обучения использовался набор без отдельной оценки, поэтому обобщение может быть ограниченным. Лицензия — Apache-2.0.

vibhorag101/llama-2-7b-chat-hf-phr_mental_therapy — дообученная Vibhorag101 чат-модель семейства Llama 2, созданная на основе llama-2-7b-chat-hf с использованием терапевтического датасета. Она предназначена для поддерживающего общения и базовых ответов на темы психического здоровья, пока пользователь не обратится за профессиональной помощью. Модель выдаёт текст и настроена на жизнерадостный, ободряющий стиль общения. Модель имеет плотную авторегрессионную архитектуру LlamaForCausalLM с 6,6 млрд параметров и контекстом до 4096 токенов. В карточке указаны английский язык и датасеты vibhorag101/phr_mental_therapy_dataset и jerryjalapeno/nart-100k-synthetic. Репозиторий распространяется под лицензией MIT. Карточка приводит результаты Open LLM Leaderboard, но не уточняет протоколы их воспроизведения.

Claria 14b — экспериментальная разговорная языковая модель автора Dr. Alexandru Lupoi для поддержки психологических и психиатрических сценариев. По README, она основана на Qwen3 14B и дообучена на отобранных психотерапевтических данных; метаданные Hugging Face указывают базовую модель unsloth/qwen3-14b и архитектуру Qwen3ForCausalLM. Модель имеет 14 млрд параметров, контекст до 40 960 токенов и лицензию Apache 2.0. Claria предназначена для диалоговой поддержки с участием специалиста, обучения и ролевых симуляций в сфере психического здоровья, а также исследований эмоционально ориентированного взаимодействия с ИИ. Она рассчитана на рефлексивные подсказки, мягкие вопросы и многошаговый разговор. Репозиторий содержит safetensors; README также описывает варианты GGUF Q4, Q8 и BF16 и запуск через Ollama или LM Studio. Модель не заменяет специалиста и не предназначена для самостоятельной терапии, постановки диагноза или кризисной помощи. Она может уверенно выдавать ошибочную информацию, лучше работает со структурированными подсказками и, согласно карточке, не рассчитана на свободный разговор общего назначения.

Tamnemtf/Ae-calem-mistral-7b-v0.1 — чат-модель, разработанная для ответов на вопросы студентов о вузе. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и дообучена на Viet-Mistral/Vistral-7B-Chat с использованием набора вопросов и ответов о HCMUE, составленного по студенческим материалам. Модель предназначена для диалога на вьетнамском языке и может отвечать на вопросы о специальностях, правилах и другой информации университета; заявленная длина контекста — 32 768 токенов. Модель подходит для университетского чат-бота и виртуального помощника для студентов. Она распространяется под лицензией AFL-3.0. Карточка не приводит результатов оценки качества или подробных сведений о надёжности ответов.