III.5Управление персоналом и организацией

gbueno86/Meta-LLama-3-Cat-A-LLama-70b — объединённая диалоговая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit. В карточке описано слияние Undi95/Meta-Llama-3-70B-Instruct-hf и turboderp/Cat-Llama-3-70B-instruct методом slerp; метаданные также указывают эти базовые модели и связь merge. Модель содержит 69,5 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации диалоговых ответов, следования инструкциям и ролевых сценариев. Автор описывает её как свой основной помощник, однако карточка не приводит формальных оценок качества или подробного набора тестов. В метаданных указан английский язык, библиотека Transformers и формат safetensors. Лицензия — Llama 3; применяйте модель с учётом условий этой лицензии.

indischepartij/MiniCPM-3B-OpenHermes-2.5-v2 — текстовая генеративная модель с диалоговой возможностью, опубликованная на Hugging Face. По метаданным, это плотная модель семейства Llama на 2,7 млрд параметров, реализованная как LlamaForCausalLM и доступная в формате safetensors для Transformers. README содержит результаты оценки на Open LLM Leaderboard, включая среднее значение 51,91, результат 47,44 на AI2 Reasoning Challenge и 72,00 на HellaSwag. Модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 2048 токенов. В README разработчик, языки, обучение и рекомендации по применению не описаны, поэтому происхождение названия OpenHermes и конкретные сценарии обучения подтвердить нельзя. Лицензия — Apache-2.0. Как и другие языковые модели, она может выдавать ошибочные или предвзятые ответы; карточка не приводит отдельной оценки этих рисков.

MinLlama-3-8B-instruct-pass — разговорная языковая модель семейства Llama, созданная как слияние версий NousResearch/Meta-Llama-3-8B-Instruct с помощью LazyMergekit. Она предназначена для диалогов, ответов на вопросы и генерации текста; карточка не описывает специализированные сценарии или дополнительные возможности. Архитектура — плотная авторегрессионная LlamaForCausalLM; в метаданных указано 5,3 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Указана лицензия базовой модели? Лицензионные условия в предоставленных данных не приведены.

Mistmes-slerp — объединённая модель генерации текста, созданная с помощью mergekit из mistralai/Mistral-7B-v0.1 и NousResearch/Hermes-2-Pro-Mistral-7B методом SLERP. В репозитории указана архитектура MixtralForCausalLM типа MoE, размер — 7,1 млрд параметров; веса сохранены в формате safetensors. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, унаследованных от исходных моделей. Доступных сведений недостаточно, чтобы определить конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

Mistral0.2-Merlinite-Franken-Sonya-10.5B — языковая модель для генерации текста, собранная методом passthrough merge с помощью mergekit. В неё вошли части Franken-Sonya, Mistral-7B-Instruct-v0.2 и ND911/Franken-Merlinite-Maid; метаданные каталога связывают её с последней моделью как с базовой. Архитектура — плотная MistralForCausalLM, размер — 10,4 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — до 8192 токенов. Модель предназначена для генерации текста по текстовому запросу, включая диалоговые сценарии, на которые указывают компоненты с инструкционной настройкой. Карточка не сообщает поддерживаемые языки, специальные области применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

Minbyul/mistral-7b-dpo-full-sft-wo-kqa_golden — дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она основана на Minbyul/mistral-7b-wo-kqa_golden-sft и прошла DPO-дообучение на датасете HuggingFaceH4/ultrafeedback_binarized, чтобы улучшить предпочтительность генерируемых ответов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит метрики оценки DPO, включая точность предпочтений 1,0 и разницу наград 9,6641, но не раскрывает подробности методики оценки или конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. Она может выдавать неточные или нежелательные ответы; назначение исходной SFT-модели в карточке не описано.

shitshow123/mistral7b_sft_dpo — разговорная языковая модель семейства Mistral, представленная в формате Safetensors. По метаданным, она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий не содержит описания обучения или сведений, подтверждающих, что именно SFT и DPO применялись при создании модели; эти методы не выводятся из одного лишь названия. Указана лицензия Apache-2.0. Карточка не приводит оценок качества, инструкций по применению или ограничений сверх характеристик, сообщённых в метаданных.

AlSamCur123/Mistral-NeMo-Minitron-8B-InstructContinuedFine — дообученная AlSamCur123 диалоговая языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она создана на основе nvidia/Mistral-NeMo-Minitron-8B-Instruct и предназначена для генерации текста в формате диалога; обучение проводилось с использованием Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 000 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Подробности о специализации дообучения и оценках качества в карточке не приведены.

MM4-3b — разговорная языковая модель на архитектуре Llama, опубликованная автором liminerity. В карточке указано, что модель создана с помощью продолжительного обучения и слияния моделей; в описании метода упоминаются blur-7b и дообученная на наборе Dolphin модель Mistral, но точная цепочка получения MM4-3b не раскрыта. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 2,7 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 2048 токенов. В качестве обучающих данных указаны GPT4-LLM-Cleaned и Alpaca-GPT4. Карточка приводит результаты оценивания, включая среднее значение 53,22, но не уточняет полный протокол и все условия измерений. Модель распространяется под лицензией Apache-2.0. Ограниченный контекст и отсутствие подробных сведений о процедуре обучения и слияния затрудняют оценку её качества и поведения в конкретных задачах.

yunconglong/MoE_13B_DPO — языковая модель семейства Mixtral с архитектурой MoE, дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений Intel/orca_dpo_pairs. В README указана базовая модель yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B; метаданные сообщают о 7,1 млрд параметров и контексте до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов с настройкой на предпочтения. Она распространяется в формате safetensors. Указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

zelk12/MT1-Max-Merge_02012025163610-IF-gemma-2-MT1g2MTM2MU-9B — объединённая разговорная языковая модель, созданная методом SLERP с помощью mergekit из моделей zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Она предназначена для генерации текста и ведения диалогов. Модель основана на плотной архитектуре Gemma 2 с 9 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для transformers. Модель принимает текстовые запросы и генерирует текстовые ответы. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её следует рассматривать как разговорную модель общего назначения. Лицензия в предоставленных сведениях не указана.

zelk12/MT2-Gen3-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, собранная с помощью mergekit из zelk12/MT2-Gen3-BMAMUG-gemma-2-9B и zelk12/MT2-Gen3-IMM-gemma-2-9B методом SLERP. Модель содержит 9 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. В README приведены результаты оценки Open LLM Leaderboard: средний балл 32,97, IFEval — 78,10, BBH — 44,01. Данных о поддерживаемых естественных языках и специализированных областях применения в карточке нет. Лицензия в предоставленных данных не указана.

Карточка модели zelk12/MT2-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B на Hugging Face совпадает с карточкой zelk12/MT-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B, поэтому описание составлено по ней. zelk12 разработал разговорную языковую модель, полученную слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, рассчитана на генерацию текста и диалоги и работает через библиотеку Transformers. Контекстное окно составляет 8192 токена; веса опубликованы в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалога. Карточка не приводит сведений о целевых языках, поэтому языковую специализацию определить нельзя. Условия лицензии в предоставленных данных не описаны.

zelk12/MT2-MU-gemma-2-Rv0.4Rv0.2-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Разработчик объединил recoilme/recoilme-gemma-2-9B-v0.4 и recoilme/recoilme-gemma-2-9B-v0.2 методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; заявленный родной контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о специализированных областях применения и лицензии в доступных данных отсутствуют; качество и поведение могут отличаться от исходных моделей после слияния.

zelk12/MT3-Gen4-MU-gemma-2-Sv1IBT-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из gmonsoon/SahabatAI-Lion-9B-TIES-v1 и recoilme/recoilme-gemma-2-9B-v0.3. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие; заявленное родное контекстное окно — 8192 токена. Её можно использовать для ответов в чате и генерации текста по запросу. Описание базовой модели указывает на ориентацию семейства на языки Юго-Восточной Азии и английский; конкретный перечень языков для этой объединённой модели не приведён. Лицензия в доступных данных не указана.

zelk12 выпустил MT5-Gen5-MAB-gemma-2-9B — объединённую модель для генерации текста и диалогового общения на архитектуре Gemma 2. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 8192 токена. Модель создана слиянием SLERP двух предварительно обученных моделей: zelk12/MT5-Gen5-BB-gemma-2-RAv0.1MTg2-9B и zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B. Для сохранения весов используется формат safetensors, модель предназначена для работы через Transformers. Подходит для диалогов и генерации текста. README и метаданные не сообщают о специализированной области применения или поддерживаемых естественных языках. Условия лицензии в предоставленных данных не указаны.

zelk12/MT-Gen5-MUMM-gemma-2-9B — объединение двух предварительно обученных языковых моделей Gemma 2, созданное с помощью mergekit методом SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров; файлы представлены в формате safetensors и используются через Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текст, поддерживая контекст до 8192 токенов. Данные не подтверждают специализацию на конкретном языке или предметной области. В README перечислены обе объединённые модели: zelk12/MT-Gen5-MU-gemma-2-MT3g4S5-9B и zelk12/MT-Gen5-MM-gemma-2-MT4g2MT5g4-9B. Условия лицензии в предоставленных данных не указаны.

zelk12/MT-Max-Merge_02012025163610-MA-gemma-2-MTM4MT5g4-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. Модель содержит 9 млрд параметров и предназначена для генерации текста и ведения диалогов; заявленная длина контекста — 8192 токена. Модель принимает текстовые запросы и генерирует текстовые ответы. Карточка не приводит сведений о целевых языках, специализированных областях применения или сравнительных результатах. Репозиторий распространяет веса в формате safetensors; в конфигурации слияния указана точность bfloat16. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge2-gemma-2-9B — языковая модель семейства Gemma 2, объединённая автором репозитория с помощью mergekit. В слияние SLERP вошли zelk12/MT-Merge2-MAMM-gemma-2-9B и zelk12/MT-Merge2-MUBIG-gemma-2-9B; размер модели — 9 млрд параметров, формат файлов — safetensors. Модель предназначена для генерации текста и диалогового общения. Её можно применять для составления ответов, ведения беседы и генерации текстовых продолжений. Контекст составляет 8192 токена. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; подтверждений поддержки конкретных языков или специализированных областей в доступных данных нет. Лицензия в карточке не указана.

zelk12/MT-Merge5-MMBMUI-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная автором репозитория с помощью mergekit. В неё методом SLERP объединены zelk12/MT-Merge5-MMB-gemma-2-9B и zelk12/MT-Merge5-MUI-gemma-2-9B; параметры слияния заданы относительно первой модели с коэффициентом t=0,25. Модель содержит 9 млрд параметров, использует формат safetensors и библиотеку Transformers. Она предназначена для генерации текста и диалоговых ответов; контекстное окно составляет 8192 токена. Карточка не описывает отдельные прикладные специализации или языковое покрытие, поэтому область применения следует определять по содержимому запросов и ответов модели. Лицензия в предоставленных данных не указана.

dazednaut/muadbot — текстовая генеративная модель, дообученная разработчиком dazednaut на базе unsloth/gemma-2-27b-it-bnb-4bit. Она предназначена для диалогового взаимодействия и генерации текста. Модель использует архитектуру Gemma 2 с 27,6 млрд параметров и контекстом до 8192 токенов; карточка указывает обучение с Unsloth и библиотекой TRL. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

NeuralDaredevil-8B-abliterated-x2 — объединённая модель для диалоговой генерации текста, созданная с помощью LazyMergekit на основе mlabonne/NeuralDaredevil-8B-abliterated. Она использует плотную архитектуру Llama с 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текст и генерирует текст; метаданные также отмечают поддержку чата. Веса получены слиянием двух копий одной базовой модели методом dare_ties с параметрами density 0,53 и weight 0,6, маской int8 и типом данных bfloat16. Базовая модель описана как дообученная DPO Llama 3 для диалогов и ролевых сценариев с меньшими поведенческими ограничениями. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_Strangemerges_30Pastiche — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_30Pastiche-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где подходит базовая текстовая языковая модель. Данных о специализации по предметным областям и поддерживаемых языках нет. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Neural-Zephyr — языковая модель для диалогов и генерации текста, опубликованная ai-agi. По карточке, это гибридная модель на основе весов Neural-Chat и моделей семейства Zephyr, объединённых суммированием параметров в соответствующих слоях. Карточка указывает размер 14 млрд параметров, тогда как метаданные каталога содержат оценку 7,1 млрд; архитектура в метаданных — плотная MistralForCausalLM, а контекст составляет 32 768 токенов. Модель предназначена прежде всего для англоязычных диалогов с ассистентом и генерации текста. В карточке указаны дообучение на открытых и синтетических наборах данных и связь Zephyr-7B-β с mistralai/Mistral-7B-v0.1; метаданные подтверждают поддержку чата. Карточка сообщает лицензию MIT, а метаданные — Apache-2.0, поэтому сведения о лицензии расходятся. По карточке модель может выдавать проблемный текст при соответствующих запросах.

NeuroCom v2 4B — разговорная языковая модель, созданная автором FourOhFour при участии нескольких участников Anthracite. Это производная от Minitron модель семейства Llama с плотной архитектурой и примерно 3,9 млрд параметров, дообученная на 100 млн токенов для инструкций и ролевого общения. Автор сообщает о дедупликации обучающих наборов данных и применении шумного обучения для улучшения обобщения; модель позиционируется как универсальный ассистент и модель для ролевых диалогов. Модель генерирует текст в формате общения и поддерживает контекст до 131 072 токенов согласно метаданным. В README указано, что настройка проводилась с контекстом 8 тыс. токенов. Доступны веса в формате Safetensors для Transformers. Лицензия — Apache 2.0.

RLLab/olmo-3-7b-it-sft — разговорная модель семейства OLMo 3 с плотной архитектурой причинного языкового моделирования. По данным карточки, она предназначена для генерации текста в диалоговом формате и имеет около 6,9 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Модель принимает текст и генерирует текст. Длина контекста составляет 65 536 токенов. Карточка не содержит сведений о языковом охвате, конкретных сценариях дообучения или результатах оценки качества. Лицензия в предоставленных данных не указана.

OpenSparrow-1.5B — текстовая генеративная модель NewstaR на архитектуре MixFormer Sequential. Она предназначена для диалогов с пользователем и генерации текстов в factual, creative и informative стилях; карточка приводит пример ответа на приветствие и описывает ассистента как вежливого и уважительного. Модель обучалась на наборе данных KaleidoSG/opensparrow-gpt и принимает запросы в GPT prompt template. Контекст модели составляет 2048 токенов. В репозитории указаны веса PyTorch, а лицензия обозначена как other. Карточка не сообщает дополнительных деталей о составе обучающих данных или ограничениях качества.

jtatman дообучил эту плотную авторегрессионную языковую модель семейства Llama на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоговом формате. В репозитории указано 7,5 млрд параметров; метаданные задают нативный контекст в 8192 токена и формат весов safetensors. Заявленная лицензия — Apache-2.0. Карточка не описывает специальную предметную область или отдельные ограничения качества.

Masterjp123/P1 — объединённая плотная языковая модель семейства Llama на 7,5 млрд параметров, созданная с помощью mergekit методом DARE TIES на основе NousResearch/Meta-Llama-3-8B. В объединение также вошли NousResearch/Hermes-2-Pro-Llama-3-8B, Weyaxi/Einstein-v6.1-Llama3-8B и asiansoul/Versatile-Llama-3-8B-1m. Модель предназначена для генерации текста, включая диалоговые сценарии. Она использует архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; длина контекста составляет 8192 токена. В репозитории представлены веса в формате safetensors. Карточка не описывает сравнительные результаты или специализированные области применения. Указана лицензия базовой модели: лицензия в предоставленных данных отсутствует.

RyotaKadoya1993/phi3_wiki_merged — дообученная разработчиком RyotaKadoya1993 модель Mistral для генерации текста и диалогов. Она основана на RyotaKadoya1993/phi3_translator_merged3 и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 13,8 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В метаданных указан английский язык и возможность диалогового взаимодействия. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0.