III.5Управление персоналом и организацией

Это объединённая языковая модель примерно на 8,8 млрд параметров, созданная с помощью mergekit методом Linear из чекпойнтов обучения на шагах 7000, 8000 и 9000. Архитектура — GPT-NeoX, веса сохранены в формате safetensors; модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 16 384 токена. Модель может использоваться для продолжения текста и ведения диалога. Карточка не описывает специализацию по предметной области или языкам. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-0k_1k_2k_3k_4k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базового чекпойнта использован global_step4000; также объединены чекпойнты global_step0, global_step1000, global_step2000 и global_step3000 из эксперимента filtered_insert_xxf_character. Это плотная авторегрессионная модель семейства GPT-NeoX с архитектурой GPTNeoXForCausalLM, размером 8,8 млрд параметров и контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового использования. В карточке не приведены сведения о целевых языках, специализированной области или измеренных преимуществах объединения. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленной карточке и метаданных отсутствуют.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная методом Linear merge с помощью mergekit. В качестве базовой использована контрольная точка global_step5000; также в объединение вошли контрольные точки global_step4000 и global_step3000 из одного семейства экспериментов. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст до 16 384 токенов. Данные не позволяют определить конкретные языки, тематику обучения или особые сценарии применения. Файлы модели представлены в формате safetensors и рассчитаны на использование через библиотеку Transformers. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-4k_5k_6k_7k_8k_weightedavg_merge — объединение нескольких предварительно обученных языковых моделей, созданное автором с помощью mergekit и метода Linear. В качестве базового чекпойнта при слиянии использован global_step8000; также включены чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_insert_xxf_character. Это плотная авторегрессионная GPT-NeoX-модель на 8,8 млрд параметров с контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о конкретных языках, предметных областях или специализированных ограничениях. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная разработчиком yuhengtu-bytedance методом Linear merge с помощью mergekit. В качестве базовой использована контрольная точка global_step8000; также объединены контрольные точки global_step6000 и global_step7000. Архитектура — плотная авторегрессионная GPT-NeoX, размер — 8,8 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Сведения о конкретных языках, обучающих данных и специальных прикладных областях в карточке не приведены. Лицензия в доступных данных не указана.

sfm_filtered_midtrain_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 2000, 3000 и 4000. В качестве основы использована контрольная точка global_step4000; применён линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. Сведения о конкретных языках, областях применения и результатах оценки в карточке не приведены. Модель распространяется в формате Safetensors; информация о лицензии отсутствует.

sfm_filtered_midtrain_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README указан метод Linear merge и контрольная точка шага 5000 в качестве базовой; архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, размер — 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не раскрывают конкретные языки, специализированные предметные области или отдельные гарантированные возможности помимо генерации текста и чата. Репозиторий содержит веса в формате Safetensors; условия лицензии в предоставленных данных не описаны.

Это объединённая языковая модель для генерации текста, созданная с помощью mergekit методом Linear. В объединение вошли контрольные точки обучения на шагах 4000, 5000, 6000, 7000 и 8000; базовой указана точка global_step8000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Метаданные указывают возможность диалогового использования. Лицензия в предоставленных данных не указана.

sfmunfilterede2emisalignment-2k3k4ksimpleavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён метод Linear: контрольная точка global_step4000 использована как базовая, а global_step2000 и global_step3000 включены в объединение. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст, генерируя текст; заявленный контекст — 16 384 токена. Она рассчитана на генерацию текста и диалоговые сценарии. README и метаданные не описывают специализацию по языкам, предметным областям или конкретные ограничения качества. Модель опубликована в формате safetensors; условия лицензии в доступных данных не приведены.

jambroz/sixtyoneeighty-7b — разговорная языковая модель, созданная автором репозитория методом слияния DARE TIES с помощью mergekit. В основу слияния вошла mlabonne/NeuralBeagle14-7B; также объединены Intel/neural-chat-7b-v3-1, mlabonne/AlphaMonarch-7B и HuggingFaceH4/zephyr-7b-beta. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста в диалоге и ответов на пользовательские запросы. Заявленная длина контекста — 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке не указаны целевые языки и специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или отдельные ограничения; характеристики ответов могут зависеть от запроса и настроек генерации.

SlimOrca-Llama-3-8B — языковая модель общего назначения, созданная Ajibawa на основе Llama 3 и дообученная на очищенной версии набора диалогов SlimOrca от Open-Orca. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 8192 токенов. Для диалога применяется формат ChatML. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, в том числе с выбором варианта, статей по краткому содержанию, анализа тональности, гипотез, отзывов и рассказов. README также заявляет генерацию эротических и частично нецензурированных текстов. Обучение проводилось на 517 981 наборах диалогов SlimOrca; указана полная настройка модели, а не адаптер. Репозиторий содержит веса Safetensors. Модель ориентирована на английский язык. Она распространяется по лицензии Apache 2.0. Качество на отдельных задачах и границы заявленной генерации не подтверждены оценками в карточке; при использовании следует учитывать возможность генерации откровенного или нецензурированного содержания.

SOLAR-10.7B-merge-dpo — текстовая разговорная модель команды ETRI xainlp, созданная слиянием heavytail/kullm-solar и upstage/SOLAR-10.7B-Instruct-v1.0 с помощью MergeKit. Модель содержит 10,6 млрд параметров, основана на плотной архитектуре Llama и рассчитана на контекст до 4096 токенов. Модель принимает текст и генерирует текст; её можно применять для диалоговых ответов и других задач генерации текста. При создании использовался набор из 90 тысяч пользовательских предпочтений для DPO+LoRA. Веса опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Карточка не приводит сведений о поддерживаемых языках или специализированных предметных областях.

Starling-LM-7B-beta — языковая модель Nexusflow, дообученная на Openchat-3.5-0106 с помощью обучения с подкреплением на основе обратной связи от ИИ (RLAIF). Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовые диалоги, используя контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов. При обучении использовались набор ранжированных предпочтений Nectar, reward-модель Starling-RM-34B и метод PPO; авторы сообщают результат 8,12 на MT-Bench с оценкой GPT-4. Для сохранения качества следует применять шаблон чата Openchat-3.5-0106; иногда ответы бывают многословными, и авторы рекомендуют температуру 0, чтобы уменьшить это. Лицензия Apache-2.0 с указанным в карточке условием, запрещающим использовать модель для конкуренции с OpenAI.

Synatra-7B-v0.3-RP-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и maywell/Synatra-7B-v0.3-RP методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Модель подходит для интерактивного общения и создания ответов в формате ролевого чата. Репозиторий содержит веса Safetensors в формате bfloat16. Язык корейский указан в метаданных карточки, однако README не описывает языковое покрытие подробнее. Модель распространяется по лицензии Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment29Experiment24 — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалоговых ответов; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или отдельных гарантиях качества; возможности и ограничения после слияния отдельно не описаны.

T3qm7xNeuralsirkrishna_Inex16Calme — объединённая модель Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README не уточняет целевые сценарии, языки обучения или ограничения качества; доступные метаданные также не позволяют определить их.

T3qm7xNeuralsirkrishna_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral с плотной архитектурой, содержит 7,1 млрд параметров и использует формат safetensors; длина контекста составляет до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Доступна по лицензии Apache-2.0. Сведения о поддерживаемых языках и специализированных областях применения в карточке отсутствуют.

taraV1-M16B — языковая модель Gragroo для генерации текста и диалогового общения. Она дообучена на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; её можно применять для диалогов и ответов в интерфейсах чата. Архитектура — плотная LlamaForCausalLM, размер — 3,2 млрд параметров, контекст — до 131 072 токенов. В метаданных указан английский язык и поддержка интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0. README не описывает обучающие данные, результаты оценки или специальные ограничения применения.

Tarnished-9B — разговорная языковая модель семейства Gemma 2 от lodrick-the-lafted. Это плотная модель с 9 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст, а заявленный контекст составляет 8192 токена. Модель размещена в формате Safetensors и распространяется по лицензии WTFPL. Доступные сведения не описывают специальную предметную область или отдельные языковые специализации.

Tess-3-7B-SFT — текстовая разговорная модель, созданная путём дообучения Mistral-7B-v0.3. Её разработчик описывает этот чекпойнт как первый этап финальной модели Tess-3. Модель обучена методом supervised fine-tuning на отобранном наборе примерно из 500 тысяч примеров, содержащем около 1 млрд токенов; для общения используется формат запросов ChatML. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Она имеет 7,1 млрд параметров и контекст длиной до 32 768 токенов. Карточка не указывает целевые языки или специализированные предметные области. Модель распространяется в формате safetensors по лицензии Apache-2.0. Ответы могут содержать фактические ошибки или вводящий в заблуждение текст; также возможны предвзятые, оскорбительные или неприемлемые ответы. Разработчик характеризует модель как uncensored и рекомендует проверять важную информацию.

WonseokJayJung/test-gguf — языковая модель на архитектуре Qwen2, созданная слиянием Qwen/Qwen2.5-0.5B-Instruct и Qwen/Qwen2.5-0.5B методом SLERP с помощью mergekit. Модель содержит около 494 млн параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Её можно применять для диалогов, выполнения инструкций и других задач генерации текста. В репозитории указаны веса в формате safetensors; лицензия в предоставленных данных не приведена.

Thespian-LLaMa-70B — экспериментальная объединённая языковая модель от TareksGraveyard, созданная методом mergekit из нескольких моделей семейства Llama. Для объединения использован метод della, а базой служила nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в состав также вошли модели EVA-UNIT-01, Sao10K, SicariusSicariiStuff и TheDrummer. Модель предназначена для диалогового общения и генерации текста. Она построена на архитектуре LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. Автор описывает результат как удачный, но отмечает, что его другая модель, Progenitor-V1.1-LLaMa-70B, по его мнению, получилась лучше. Модель лицензирована по условиям llama3.3. README не приводит оценки качества или подробные ограничения применения, поэтому результат генерации следует проверять в конкретных сценариях.

jefferylovely/ThetaMaven4 — языковая модель, созданная слиянием jefferylovely/ThetaMaven и nbeerbower/bruphin-epsilon методом slerp с помощью LazyMergekit. Это плотная причинно-авторегрессионная модель архитектуры Mistral на 7,1 млрд параметров; веса представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Контекстное окно составляет 32 768 токенов. Модель опубликована под лицензией CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий. Карточка не приводит результатов оценки качества, сведений о целевых языках или специализированных областях применения.

Tinyllama-moe3 (Dopey-karasu-MoE3) — языковая модель семейства TinyLlama, созданная как смесь экспертов (MoE) с помощью LazyMergekit на основе vihangd/DopeyTinyLlama-1.1B-v1 и Tensoic/TinyLlama-1.1B-3T-openhermes. Модель предназначена для диалоговой генерации текста и может использоваться как чат-ассистент для ответов, объяснений, инструкций, рассуждений и кратких изложений. Архитектура — MixtralForCausalLM с MoE; заявленный общий размер — около 1 млрд параметров, контекст — 2048 токенов. Репозиторий содержит веса в формате safetensors. В карточке не перечислены конкретные языки, поэтому языковую поддержку нельзя уточнить. Модель распространяется по лицензии Apache-2.0.

Модель exonics/trendyol_28eylul_mlflow_deneme — дообученная текстовая модель семейства Llama, разработанная exonics на основе Trendyol/Llama-3-Trendyol-LLM-8b-chat-v2.0. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или дополнительные языки помимо английского, поэтому её возможности следует рассматривать как общие для генерации текста и чата.

Trendyol разработала эту диалоговую авторегрессионную языковую модель на базе Mistral-7B. Версия DPO обучена на 11 тысячах наборов предпочтений «запрос — выбранный ответ — отклонённый ответ» с применением LoRA; модель предназначена для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст, поддерживает турецкий и английский языки. Размер модели — 7,2 млрд параметров, длина контекста — 32 768 токенов. Модель подходит для диалоговых приложений и генерации ответов на инструкции. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. Разработчики отмечают, что модель может выдавать неточную информацию, хуже справляться со сленгом и языками помимо английского и турецкого, а также генерировать токсичный или предвзятый текст; для важных сценариев нужны проверка результатов и надзор человека.

TW3CESCO.V4 — слитая языковая модель на архитектуре Mistral, созданная Cesco2004 с помощью mergekit и метода SLERP из paulml/OmniBeagleSquaredMBX-v3-7B и paulml/NeuralOmniWestBeaglake-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и принимает запросы для генерации текста с контекстом до 32 768 токенов. Модель предназначена для генерации текста по запросу; конкретные специализации, языки и дополнительные сценарии применения в карточке не описаны. Лицензия — CC BY 4.0.

UTENA-7B-UNA-V2 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA и UTENA-7B-DPO методом SLERP через mergekit. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где нужна текстовая языковая модель. В карточке не приведены сведения о языках, специальных предметных областях или результатах оценки качества. Репозиторий содержит веса Safetensors; лицензия — Unlicense.

v1olet_merged_dpo_7B-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста и ответов на инструкции, созданная слиянием Mistral AI и v1olet. В основе лежит плотная архитектура MistralForCausalLM с 7,1 млрд параметров; модели объединены методом SLERP, веса представлены в формате safetensors. Модель предназначена для диалоговых запросов и генерации ответов на естественном языке. Метаданные указывают английский язык и контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность ответов для конкретной задачи следует проверять отдельно.

WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.