III.5Управление персоналом и организацией

QWEN-2.5-0.5B-Synthia-I — языковая модель, дообученная artificialguybr на наборе Synthia v1.5-I из более чем 20,7 тыс. примеров следования инструкциям. Это плотная причинная модель семейства Qwen2 с 494 млн параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для диалогов, выполнения инструкций и продолжения текста. Дообучение усиливает способность базовой Qwen2.5-0.5B следовать инструкциям. Карточка заявляет многоязычные возможности базовой модели, включая более 29 языков; в метаданных отдельно указан английский язык. Модель подходит для лёгких диалоговых приложений и генерации ответов, но её небольшой размер может ограничивать точность и надёжность при сложных задачах. Распространяется по лицензии Apache-2.0.

SoulX-Transcriber — аудиоязыковая модель, разработанная Soul AI Lab совместно с группой ASLP Северо-Западного политехнического университета. Она выполняет распознавание речи и диаризацию в многосторонних диалогах в единой сквозной системе: определяет говорящих, сегментирует аудио с временными отметками и формирует согласованную с говорящими расшифровку, в том числе при быстрых сменах реплик и наложении речи. Модель построена на архитектуре Qwen3-Omni-30B-A3B-Instruct и предназначена для расшифровки разговоров с несколькими участниками. В README описано обучение с учетом характеристик говорящих и приведены результаты на наборах AISHELL-4 и AliMeeting. Репозиторий содержит веса safetensors; модель распространяется по лицензии Apache-2.0. Модель подходит для анализа встреч, интервью и других диалоговых записей, где важно связать реплики с участниками и временными интервалами. README не приводит конкретные ограничения качества или сведения о поддерживаемых языках самой модели; описанные в нем китайские и английские данные относятся к конвейеру симуляции диалогов.

Это дообученная автором tillacs языковая модель семейства Llama на базе unsloth/Llama-3.2-1B-bnb-4bit. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 1,2 млрд параметров; заявленная длина контекста составляет 131072 токена. В карточке указаны английский язык и лицензия Apache-2.0. Для обучения использовались Unsloth и библиотека TRL.

Enno-Ai/EnnoAi-Pro-French-Llama-3-8B-v0.4 — чат-модель для генерации текста на базе плотной архитектуры Llama, разработанная Enno-Ai. Это альфа-версия, дообученная методом QLoRA на отобранном французском профессиональном датасете и предназначенная для профессиональных сценариев общения и генерации текста. Модель содержит 7,5 млрд параметров, принимает контекст длиной до 8192 токенов и доступна в формате safetensors. Карточка указывает французский как основной язык и английский как дополнительный. Модель распространяется по лицензии CreativeML Open RAIL-M. README отмечает, что разработка ещё продолжается, поэтому качество и пригодность для конкретных профессиональных задач следует проверять отдельно.

Sabeerali/Gemma-2B-Mal — дообученная модель генерации текста, разработанная Sabeerali на базе unsloth/gemma-2-2b-bnb-4bit. Это плотная авторегрессионная модель семейства Gemma 2 с 2,7 млрд параметров и контекстом до 8192 токенов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL; модель предназначена для генерации текста. Поддерживаемый язык по метаданным — английский. Модель распространяется по лицензии Apache-2.0.

Sharathhebbar24/Instruct_GPT — англоязычная авторская дообученная модель на архитектуре GPT-2 Medium. Она создана на базе gpt2-medium с использованием набора инструкционных данных databricks/databricks-dolly-15k и предназначена для генерации текста по текстовой подсказке, в том числе ответов в формате инструкций. Модель использует авторегрессионную схему: предсказывает следующий токен с учётом предыдущих, а не будущих токенов. Модель принимает и выдаёт текст, поддерживает английский язык и имеет контекстное окно 1024 токена. В карточке приведены результаты отдельных тестов Open LLM Leaderboard, однако они не гарантируют качество для конкретного сценария. Репозиторий содержит веса PyTorch. Лицензия — MIT.

fradinho/llama-mistral — диалоговая языковая модель на архитектуре Llama, созданная объединением моделей с помощью mergekit. В объединение вошли arcee-ai/llama_from_mistral_instruct_v2 и NousResearch/Llama-2-7b-chat-hf; применён метод task arithmetic с равными весами. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Модель предназначена для ведения бесед и генерации ответов. Контекст составляет 2048 токенов; в карточке не заявлена поддержка языков, кроме сведений о базовой модели, ориентированной на английский. Репозиторий распространяется по лицензии MIT. Данных о качестве на конкретных задачах нет.

Saransh 1.7B — компактная модель суммаризации на базе Qwen3-1.7B, разработанная M37labsorg и дообученная следовать инструкциям. Она создаёт связные краткие или подробные резюме английских статей, отчётов, стенограмм, научных текстов и переписки; длину можно задавать числом предложений, абзацев или примерным количеством слов. Модель имеет архитектуру Qwen3 с 1,7 млрд параметров и контекстное окно до 40 960 токенов по метаданным; README рекомендует разбивать входы длиннее 8 192 токенов на части. Базовые веса доступны в формате safetensors, а отдельные сборки GGUF поддерживают локальный запуск на обычном компьютере. Сильные стороны Saransh — управление длиной резюме и отбор обучающих примеров для повышения точности передачи чисел, имён и атрибуций. При этом модель может добавлять неподтверждённые имена и иногда числа, а резюме склонны быть длиннее эталонных; результат следует проверять, особенно перед использованием в юридических, медицинских или финансовых решениях. Модель рассчитана на английский язык, не предназначена для перевода, открытого диалога или ответов на вопросы. Лицензия Apache 2.0 допускает коммерческое использование.

GPT-J-6B Alpaca-GPT4 — языковая модель Vicgalle, дообученная с помощью LoRA на ответах GPT-4 для запросов из Alpaca. Она предназначена для генерации ответов на инструкции и выполнения разнообразных текстовых запросов в формате «инструкция — ответ». Модель использует плотную архитектуру GPT-J с 6 млрд параметров и принимает текст, выдавая текст; в метаданных указан контекст до 2048 токенов и библиотека Transformers с весами PyTorch. Модель подходит для диалоговых прототипов, написания и редактирования текстов, ответов на общие вопросы и выполнения простых инструкций. Примеры в карточке демонстрируют связные ответы, но не подтверждают точность фактов или надёжность в сложных задачах. Модель лицензирована по MIT.

Erland/Gemma_Reward_Merged — дообученная языковая модель Erland на архитектуре Gemma 2, созданная на базе unsloth/gemma-2-9b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 9 млрд параметров и поддерживает контекст до 8192 токенов; опубликованные веса представлены в формате safetensors. Модель предназначена для генерации текста. Карточка не описывает специализацию на оценке вознаграждения или отдельные сценарии применения, поэтому её возможности следует считать общими для текстовой генерации. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества, результатов сравнения или конкретных ограничений применения.

rugpt3small_based_on_gpt2 — русскоязычная авторегрессионная языковая модель семейства GPT-2, разработанная командой SberDevices. Модель предварительно обучали на 80 млрд токенов примерно за три эпохи, а затем дообучили с размером контекста 2048 токена; исходное предварительное обучение использовало длину последовательности 1024 токена. В карточке указаны реализации PyTorch и Flax. Модель предназначена для генерации продолжений русского текста и других сценариев текстовой генерации. Её можно использовать для создания черновиков, подсказок и коротких текстовых фрагментов. Карточка не приводит сведения о лицензии или конкретных ограничениях применения, поэтому условия использования здесь уточнить нельзя.

xDAN-L1-SOLAR-RL-v1 — диалоговая языковая модель xDAN-AI, полученная дообучением с подкреплением на базе SOLAR10.7B. Она предназначена для генерации текста в формате чата и может использоваться для создания ответов на запросы пользователя. Модель построена на плотной архитектуре Llama и содержит около 10,6 млрд параметров. Контекстное окно составляет 4096 токенов. В карточке указаны наборы данных OpenOrca и OpenAssistant oasst2, а лицензия — Creative Commons Attribution 4.0 (CC BY 4.0). Разработчик предупреждает, что ответы могут быть неточными, бессвязными или проблемными; модель не гарантирует достоверность и не исключает генерацию дезинформации. Для критически важных решений ответы требуют проверки.

delta-4b-super — разговорная текстовая модель семейства Phi, опубликованная frankenmerger. Это frankenmerge модели Phi-2-super, предназначенный для генерации текста в диалоговом формате. Модель имеет 6 млрд параметров, контекст до 2048 токенов и распространяется в формате safetensors. Модель поддерживает английский язык и подходит для диалогов и генерации текста. Она распространяется по лицензии Apache-2.0. Подробности о методе слияния и сравнительных оценках в карточке не приведены.

Модель postbot/distilgpt2-emailgen-V2 разработана Postbot и представляет собой дообученную версию distilgpt2 для продолжения и генерации электронных писем по началу текста или короткой подсказке. Она использует архитектуру GPT-2 и рассчитана на контекст до 1024 токенов. Модель можно применять через библиотеку Transformers для автоматического составления черновиков писем и продолжения уже начатого сообщения. Для дообучения использован набор postbot/multi-emails-100k; в метаданных также указан датасет AESLC. В README приведён результат оценки Loss 1,9126. Репозиторий содержит веса в форматах PyTorch, Safetensors и ONNX. Модель распространяется по лицензии Apache-2.0. Карточка не описывает поддерживаемые языки и конкретные ограничения качества. Генерируемый текст следует проверять на точность, уместность тона и соответствие контексту перед отправкой.

vicgalle/gpt2-alpaca-gpt4 — англоязычная генеративная модель на архитектуре GPT-2, обученная следовать инструкциям на наборе vicgalle/alpaca-gpt4. Она предназначена для генерации ответов на текстовые запросы, включая простые творческие задания и выполнение инструкций. В карточке приведены примеры генерации и результаты оценки на Open LLM Leaderboard. Модель принимает текст и выдаёт текст. Её контекст составляет 1024 токена; доступны веса в форматах PyTorch, Safetensors и ONNX. Лицензия — MIT. Результаты тестов и примеры не гарантируют качество ответов на произвольных запросах; опубликованные примеры показывают, что ответы могут быть общими и не всегда точно описывать возможности модели.

slerpMergedgpt20.4 — плотная авторегрессионная языковая модель семейства GPT-2, созданная с помощью mergekit объединением моделей /kaggle/working/gpt2 и /kaggle/working/gpt2_debias методом SLERP с параметром t=0.4. Модель предназначена для генерации текста по текстовому запросу и продолжения последовательностей. Она использует архитектуру GPT2LMHeadModel, библиотеку Transformers и веса в формате safetensors. Длина контекста составляет 1024 токена. Имя второй объединённой модели указывает на возможную настройку на снижение предвзятости, но карточка не описывает её обучение или подтверждённый эффект, поэтому нельзя делать выводы о качестве или степени снижения предвзятости. Лицензия в предоставленных данных не указана.

Whisper Small от FutureProofGlitch — дообученная версия openai/whisper-small для автоматического распознавания речи. Модель содержит 153,1 млн параметров и обучена на корпусе AMI Meeting Corpus, содержащем записи совещаний. Подходит для преобразования речи из записей встреч в текст; для оценки приведены WER 19,38 и WER Ortho 19,58 на тестовой выборке. Модель принимает аудио и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Подробности о сценариях применения и ограничениях качества в карточке не раскрыты.

Human-Like-Qwen2.5-7B-Instruct — диалоговая языковая модель, созданная HumanLLMs дообучением Qwen/Qwen2.5-7B-Instruct. Она предназначена для генерации более естественных, связных и разговорных ответов, в том числе с эмоционально чутким тоном. Для диалога используется шаблон ChatML, доступный через chat template токенизатора. Модель имеет плотную архитектуру Qwen2, содержит 7,1 млрд параметров и принимает текстовые сообщения, выдавая текст. Контекст — до 32 768 токенов. При дообучении применялись LoRA и Direct Preference Optimization на наборе Human-Like-DPO-Dataset: 10 884 примера по 256 темам, включая технологии, повседневную жизнь, науку, историю и искусство. Модель подходит для разговорных ассистентов и сценариев, где важны естественность и связность диалога. Приведённые в карточке результаты бенчмарков показывают возможные компромиссы на отдельных задачах, поэтому качество ответов следует оценивать для конкретного применения. Лицензия — Apache-2.0.

Jarvis-3B — диалоговая модель генерации текста, разработанная Sree и OEvortex по мотивам вымышленного помощника Jarvis. В репозитории указано около 3 млрд параметров; метаданные классифицируют архитектуру как плотную StableLM с классом StableLmForCausalLM, размером 2,7 млрд параметров и контекстом до 4096 токенов. Модель работает с текстом и предназначена для общения на естественном языке. Её можно использовать для чат-ботов, виртуальных помощников, диалоговых систем и генерации ответов. Результаты оценки в карточке пока не приведены, а обучающие данные не описаны. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

Jeff-Qwen3.5-2B — модель классификации с нулевым числом примеров, созданная сообществом путём дообучения Qwen/Qwen3.5-2B. Она принимает описание ситуации и список вариантов на естественном языке и за один проход выдаёт калиброванные вероятности для каждого варианта, без генерации ответа и последующего разбора текста. Модель предназначена для встраивания в локальные приложения, где нужно быстро выбрать категорию, намерение или действие. По README, версия v1.2 обучена на 284 747 вопросах за одну эпоху; заявлены точность 81,7% на панели из пяти тестов, ошибка калибровки ECE 0,021 и поддержка списков до 254 вариантов. Модель основана на плотной архитектуре Qwen 3.5 и распространяется в формате safetensors через библиотеку Transformers. В README приведены ориентиры времени принятия решения: около 24 мс на RTX PRO 6000 и 60 мс на Apple M4 Max с MLX. Карточка ориентирована на англоязычные запросы. Лицензия — Apache-2.0. Модель компактна и быстра для выбора между явно заданными вариантами, однако качество рассуждений уступает более крупным моделям. Результаты зависят от предметной области и формулировки вариантов; для специализированных задач README рекомендует дообучение на собственных примерах. Для длинных документов v1.2 показала более низкий результат, чем завышенный из-за утечки тестовых документов результат v1.1.

trinhkhng/karcher_Merged_gpt2-large_0.5 — языковая модель для генерации текста на архитектуре GPT-2 Large, созданная слиянием предварительно обученных моделей с помощью Karcher Mean и mergekit. В слиянии участвовали GPT-2 Large и модель debias_gpt2-large. Модель предназначена для продолжения текста и генерации связного текста по текстовому запросу. Она использует библиотеку Transformers, веса сохранены в формате safetensors, а длина контекста составляет 1024 токена. В карточке не описаны отдельные языки применения или специализированные предметные области. Слияние моделей не гарантирует сохранения всех свойств исходных чекпойнтов; карточка не приводит оценок качества, тестов или подробностей о том, насколько итоговая модель снижает предвзятость. Лицензия в предоставленных данных не указана.

trinhkhng/linear_Merged_gpt2-large_0.5 — языковая модель, созданная объединением GPT-2 Large и debias_gpt2-large методом linear merge с помощью mergekit. Модель использует архитектуру GPT-2 с плотной сетью и предназначена для генерации текста; в метаданных указан контекст до 1024 токенов. Веса двух исходных моделей объединены поровну с нормализацией, токенизатор взят от GPT-2 Large. Модель можно использовать для продолжения текста и генерации ответов на текстовые подсказки. README и метаданные не содержат сведений о качестве, оценках смещения или лицензии, поэтому эти свойства нельзя подтвердить.

NeXGen — генеративная языковая модель CrabfishAI на архитектуре GPT-2 для создания и продолжения текста. Разработчик описывает её как базовую версию семейства NeXGen; в карточке также названы варианты NeXGen-small и NeXGen-large. Модель предназначена для творческого письма, подготовки черновиков и генерации текстового контента, включая истории, стихи, статьи, письма и публикации для социальных сетей. Модель принимает текст и генерирует текст, поддерживает английский язык. В метаданных указан контекст длиной 1024 токена. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая safetensors; лицензия — MIT. Карточка предупреждает о возможных фактических, грамматических и тематических ошибках, предвзятости и неуместном содержании; результаты следует проверять, а модель не рекомендуется для критически важных приложений.

slerp_Merged_gpt2_0.0 — объединённая языковая модель на архитектуре GPT-2, созданная с помощью mergekit из двух моделей: /kaggle/working/gpt2 и /kaggle/working/gpt2_debias. В README указан метод слияния SLERP и параметр t=0.0; модель предназначена для продолжения текста и других задач генерации текста на основе текстового запроса. Модель использует плотную архитектуру GPT2LMHeadModel и формат safetensors. Контекстное окно составляет 1024 токена. Данных о лицензии, специализации по языкам или конкретных прикладных областях в предоставленных источниках нет.

CTRL — авторегрессионная причинная трансформерная языковая модель, разработанная Salesforce Research и представленная в работе Nitish Shirish Keskar и соавторов. Она обучена предсказывать следующий токен на корпусе объёмом около 140 ГБ и генерирует текст с учётом управляющего токена, который задаёт домен, стиль, тему или другие параметры генерации. Репозиторий содержит веса PyTorch и TensorFlow; заявленная длина контекста — 50 000 токенов. Модель предназначена для генерации текста при совместной работе с человеком: например, для творческого письма, повторяющихся текстовых задач, форматирования и подготовки маркетинговых материалов. Также её можно дообучать для новых видов текста и использовать в исследованиях генерации и обнаружения синтетического контента. Основной язык — английский; модель также обучалась на немецком, испанском и французском. Лицензия — BSD 3-Clause. Генерации могут содержать стереотипы, вредные высказывания и фактические ошибки; результаты требуют проверки человеком. Разработчики предостерегают от использования модели для нормативных утверждений и генерации без участия человека.

wannaphong/tongyi-model-v2.0-1b-th — дообученная плотная авторегрессионная языковая модель семейства Llama 3.2, созданная wannaphong на базе unsloth/Llama-3.2-1B с использованием Unsloth и TRL. Модель содержит 1,2 млрд параметров, сохранена в формате safetensors и предназначена для генерации текста и диалоговых сценариев. Модель работает с текстом; метаданные указывают английский язык, но README не описывает целевые сценарии или отдельные результаты обучения. Заявлена длина контекста 131 072 токена. Лицензия — Apache-2.0, допускающая использование согласно её условиям.

Certo Unified 4B — модель принятия решений, разработанная Certo на базе Qwen/Qwen3-4B и дообученная с помощью soft-target и proper-score подхода. Она принимает описание состояния и варианты ответа, а вместо одного ярлыка выдаёт распределение вероятностей для выбора из вариантов, оценки по порядковой шкале или ответа «да/нет». Доступны быстрый режим по последнему токену промпта и режим с кратким обоснованием; оба возвращают калиброванные вероятности. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3, поддерживает контекст до 40 960 токенов и запускается через Transformers. Лицензия — Apache-2.0. Модель предназначена для маршрутизации запросов, выбора инструмента, триажа, определения намерения и допуска, а также проверки утверждений и порядкового оценивания — при наличии примеров соответствующих типов решений. В тестах, приведённых в карточке, она показывает высокую точность выбора, в том числе по описаниям вариантов из новых областей, и хорошую калибровку на поддерживаемых задачах. Карточка обозначает выпуск как исследовательский preview. Модель не переносит надёжно оценивание на незнакомые рубрики и источники и почти случайно справляется с новым типом решения без дообучения. На данных с существенным сдвигом распределения точность и калибровка снижаются; модель также не предназначена для общих задач на знания о мире. Калибровка вероятностей зависит от соответствия калибровочных данных условиям применения.

Ditto-8B — модель с открытыми весами на 8 млрд параметров, разработанная для симуляции человеческого поведения. Она предназначена для моделирования пользователей и учащихся, отыгрыша персонажей и персон, а также задач, связанных с теорией разума и социальными навыками. Модель дообучена методом DITTO: она учится улучшать ответы по словесной обратной связи, используя её как сигнал обучения; при обычном применении обратная связь не требуется. Выпущенная версия объединяет навыки специализированных моделей DITTO в одну универсальную модель.

GoudERP-8B — языковая модель для вопросов и диалогов по системам планирования ресурсов предприятия (ERP), разработанная на основе Qwen3-8B. Веса содержат 7,6 млрд параметров, формат — safetensors; модель принимает текст и выдаёт текст, поддерживает чат. Контекст — до 40 960 токенов. В карточке заявлены английский язык и обучение на материалах по Oracle Fusion, SAP и Workday. Модель прошла доменное предварительное обучение на ERP-текстах, два этапа дообучения с учителем на ERP-диалогах и данных общего назначения, а затем слияние TIES с базовой моделью. Она предназначена для ответов на вопросы о модулях и бизнес-процессах ERP, объяснения правил и поддержки сценариев с вызовом инструментов. Автор сообщает о высокой точности на собственном ERP-бенчмарке; это результат внутренней оценки, а не гарантия качества в конкретной организации. Ограничения: следование инструкциям уступает базовой Qwen3-8B; применение инструментов в целом на уровне базы, а более крупные модели лучше справляются с многошаговыми вызовами. Данные обучения охватывают другие ERP-платформы слабее, чем Oracle Fusion, SAP и Workday. Лицензия — Apache-2.0.

trinhkhng/karcher_Merged_gpt2-large_0.3 — языковая модель для генерации текста, полученная слиянием предварительно обученных моделей GPT-2 Large и debias_gpt2-large. Разработчик применил метод Karcher Mean с помощью mergekit; архитектура — плотная GPT2LMHeadModel, веса опубликованы в формате safetensors и представлены в float32. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового запроса. Модель принимает и генерирует текст. Длина контекста составляет 1024 токена. Карточка не описывает языковой охват и не приводит результатов оценки качества, поэтому качество и степень снижения предвзятости по ней определить нельзя. Лицензия не указана в предоставленных данных.