IV.2Банки, платежи и инвестиции

Ultravox-Qwen3.6-27B-v2 — англоязычная речевая модель QuantumDesk на архитектуре Ultravox, предназначенная для голосовых агентов телефонных линий. Она принимает аудио напрямую и формирует текстовый ответ в диалоге; также её можно использовать для транскрибирования речи. Модель объединяет Qwen3.6-27B, Whisper-large-v3-turbo и проекционный адаптер; по карточке, Whisper-энкодер обучался с LoRA, а обучение включало дистилляцию. Размер языковой модели — 27 млрд параметров. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель обучена QuantumDesk для сценариев приёма звонков и продаж: в обучающих данных особое внимание уделено реальным телефонным записям и распознаванию плотных последовательностей сущностей — номеров, имён, адресов, дат и адресов электронной почты. В README приведены результаты на телефонной речи и обычном английском ASR, однако они не гарантируют качество на коротких репликах. Лицензия — Apache 2.0. К известным ограничениям относятся резкое падение качества на изолированных репликах короче примерно 1,5 секунды, ухудшение качества на языках кроме английского и при сильном акценте, а также чувствительность разговорного режима к формату инструкции, показанному в карточке. Для коротких фрагментов README рекомендует добавлять окружающий контекст или использовать резервную модель.

izumi-lab/electra-small-paper-japanese-fin-generator — японская предобученная модель семейства ELECTRA от izumi-lab, предназначенная для заполнения маскированных токенов. Она обучалась на японской Википедии и финансовых текстах: сводках финансовых результатов за 2012–2020 годы и отчетах по ценным бумагам за 2018–2020 годы. Модель использует архитектуру ELECTRA small с 12 слоями, размерностью скрытых состояний 64 и одним attention head; токенизация выполнена через MeCab с IPA-словарем и WordPiece, словарь содержит 32 768 токенов. Модель принимает текст и предсказывает пропущенные токены, что подходит для подстановки слов в японских финансовых фрагментах и анализа языкового контекста. Контекст составляет до 512 токенов, число параметров — 2,9 млн. Распространяется по лицензии CC BY-SA 4.0.

Qwen3-8B_MapFinBen — дообученная и объединённая версия Qwen3-8B от автора репозитория, подготовленная для финансового бенчмарка MapFinBen. Модель предназначена для генерации ответов на финансовые запросы в сценариях оценки бенчмарка; репозиторий содержит полные объединённые веса и файлы токенизатора, а также шаблон Ollama для рабочего процесса конвертации бенчмарка. Это плотная авторегрессионная языковая модель архитектуры Qwen3 с 7,6 млрд параметров и контекстом до 40 960 токенов. Для официального сценария оценки предлагается простой формат диалога ChatML; метаданные указывают поддержку чата и генерации текста. Модель основана на Qwen/Qwen3-8B, опубликована в формате safetensors и имеет лицензию other.

Argonne 4.5-think — англоязычная причинно-следственная языковая модель семейства Argonne2 на 2,06 млрд параметров, разработанная PursuitOfDataScience. Это дообученная версия Argonne-4.5-base-ctx13568: обучение включало SFT, DPO, обучение рассуждениям по цепочкам мыслей, дистилляцию, исправление ответов и этап RLVR-DPO. Модель генерирует краткий ход рассуждений и затем ответ, оформленный в \boxed{}. Модель предназначена прежде всего для решения арифметических текстовых задач; также она умеет генерировать текст в разговорном формате. Контекст составляет до 13 568 токенов, однако поведение на длинных входах не проверялось. Карточка сообщает результаты сравнительных оценок на арифметических задачах и общих языковых тестах; для повышения точности на задачах, допускающих несколько решений, полезно генерировать несколько вариантов и выбирать ответ голосованием. Ограничения включают ошибки в арифметике, незавершённые рассуждения в части генераций и снижение среднего результата на общих тестах по сравнению с базовой моделью. Карточка не характеризует качество открытого диалога, работы с кодом или инструментами. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Aux 2015 — плотная авторегрессионная языковая модель семейства Ministral, разработанная Fin AI Lab в рамках проекта Frontier to Point-in-Time. Она обучена с нуля на корпусе с отсечкой знаний 31 декабря 2015 года и дополнительно настроена на образцах, дистиллированных из более крупной модели, чтобы перенять её шаблон чата и стиль ответов. Модель предназначена прежде всего для использования как вспомогательная модель Divergence Decoding: вместе с парной Aux 2024 её разность логитов помогает уменьшать влияние знаний, появившихся после заданной даты, при генерации ответов большой моделью. Её также можно использовать как самостоятельную модель для диалогов и ответов на вопросы с временной привязкой. В модели около 3,6 млрд параметров, 28 слоёв, архитектура MinistralDualRope с чередованием скользящего и полного внимания и контекстом до 131 072 токенов. Она принимает текст и генерирует текст; поддерживает интерфейс чата и вызова инструментов. Для загрузки требуется Transformers и доверенная загрузка пользовательского кода архитектуры. Лицензия — Apache-2.0. README приводит размер около 3,4 млрд параметров, тогда как метаданные указывают 3,6 млрд. Модель подходит для экспериментов и прикладных сценариев, где ответы должны отражать состояние знаний на конец 2015 года, а также для построения системы временного ограничения знаний на базе большой языковой модели. Качество самостоятельной модели в README заявлено как сильное в следовании инструкциям, однако результаты могут уступать более крупной модели; для Divergence Decoding необходима парная Aux 2024 и модель frontier, а также соответствующая логика инференса. Не следует считать отсечку гарантией фактического удаления любых более поздних сведений из ответов.

Это LoRA-дообучение Gemma 4 E4B Instruct от Google для преобразования запросов пользователя о кошельке в структурированные вызовы инструментов Ethereum-кошелька для macOS. Модель рассчитана на локальный запуск; карточка описывает артефакт GGUF с квантизацией Q4_K_M размером около 5,3 ГБ и приводит результаты фиксированного теста на 1000 примерах. Метаданные также указывают формат safetensors и библиотеку PEFT. Модель выбирает, нужно ли вызвать инструмент, и формирует его имя и аргументы, например для перевода токенов или смены сети в многоходовом диалоге. В описанном тесте точность полного совпадения составила около 95%; добавление к системному промпту инструкции по безопасности повысило точность отказов с 81,6% до 95,9%. Эти результаты относятся к указанному набору тестов и не означают, что модель безопасна для самостоятельного выполнения операций. Модель не подписывает транзакции и не отправляет их: вызов инструмента должен проверяться приложением, а пользователь — подтверждать выполнение. Карточка отмечает ошибки в аргументах, особенно при копировании длинных строк, и прием некоторых адресов некорректной длины. Требуется детерминированная проверка адресов, сумм и других аргументов. Лицензия — Gemma; применимость её условий следует оценивать вместе с условиями базовой модели.

weijie210/mistral_gsm8k_sft — дообученная модель Mistral-7B-v0.1 от Mistral AI, опубликованная weijie210. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста; карточка также отмечает возможность диалогового взаимодействия. Контекстное окно — до 32 768 токенов. Название репозитория и метка SFT указывают на настройку для решения математических задач GSM8K, однако README не описывает назначение, данные обучения или способы применения подробно. В оценке на тестовой выборке указан loss 0,3771. Модель принимает текст и генерирует текст; поддерживаемые языки отдельно не обозначены. Лицензия — Apache-2.0.

Ace-2504 разработала SLM-125M-e4 — плотную авторегрессионную модель семейства LLaMA на 125,8 млн параметров, предназначенную для продолженного предобучения на юридических и финансовых текстах США. Это четвёртый этап серии: модель продолжает обучение Ace-2504/slm-125m-e2 ещё на два прохода по тому же корпусу объёмом около 2,5 млрд токенов. В README сообщается, что на проверочных данных показатель perplexity снизился с 9,86 до 9,44, а потери на тестах по отчётности SEC, судебным решениям США и FineWeb-Edu уменьшились. Модель имеет 12 слоёв, размер скрытого состояния 768, 12 голов внимания, контекст 1024 токена, RoPE, RMSNorm, SwiGLU и словарь из 16 384 токенов. Это базовая модель, не настроенная на выполнение инструкций; она предназначена для продолжения обучения и генерации текста, а не для диалога по пользовательским инструкциям. Доступна в формате safetensors на Transformers под лицензией MIT.

kyle/vi-asr-fastconformer-114m — модель распознавания вьетнамской речи в текст, разработанная для разговорного аудио и телефонных звонков. Она построена на архитектуре FastConformer-Transducer (RNNT), содержит около 114 млн параметров и адаптирована из англоязычной nvidia/stt_en_fastconformer_transducer_large с расширением словаря и поэтапным дообучением на публичных вьетнамских наборах данных. Модель предназначена для расшифровки вьетнамской речи в условиях колл-центра, включая телефонный звук с частотой 8 кГц, а также для офлайн-транскрибации аудио с частотой 8 и 16 кГц. Особое внимание уделено точному распознаванию длинных последовательностей цифр и идентификаторов; карточка приводит улучшение полноты распознавания цифр на контролируемой оценке. Модель оптимизирована для разговорного вьетнамского языка. На формальной дикторской речи, например новостном чтении, и на незнакомой предметной лексике качество снижается; оценки для реальных телефонных номеров основаны на небольшой размеченной выборке. Лицензия — CC-BY-4.0.

DA-mrm8488-distilroberta-finetuned-financial-news-sentiment-analysis — производная модель NLP-FEUP, дообученная на базе mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis. Это плотная модель архитектуры RoBERTa с 95,2 млн параметров, представленная в формате safetensors; базовая модель предназначена для классификации тональности англоязычных финансовых новостей и рыночных предложений. В метаданных Hugging Face для этой версии указана задача fill-mask, то есть заполнение пропусков в тексте. README сообщает о дообучении на датасете, обозначенном как None, и приводит значение loss 5,9763 на оценочной выборке, но не описывает дополнительные сценарии или качество классификации. Модель может быть полезна для работы с маскированным текстом; применять её для анализа финансовой тональности следует с учётом назначения базовой модели и отсутствия подробных сведений об обучении этой версии. Контекст составляет 514 токенов. Лицензия — Apache-2.0.

Kuvera 8B — дообученная Akhil-Theerthala модель Qwen3-8B для ответов на вопросы о личных финансах. Она предназначена для диалоговых помощников и информационной поддержки по бюджетированию, сбережениям, инвестициям, управлению долгами и базовому финансовому планированию. При обучении на запросах пользователей Reddit с синтетически подготовленными ответами модель настраивали учитывать не только финансовую сторону ситуации, но и эмоциональный контекст собеседника. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Она принимает текст и генерирует текст; в карточке указана поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Ответы предназначены для информационных и образовательных целей, а не для принятия финансовых решений вместо консультации специалиста. Данные ответов синтетические и основаны на запросах Reddit, поэтому возможны смещения и неполный учёт индивидуальных обстоятельств. Знания модели могут не учитывать недавние события и изменения правил; сложное многоэтапное финансовое планирование может выходить за пределы её возможностей.

Модель deccan-ai/phi-2-insurance_qa-sft-lora — англоязычная генеративная модель для ответов на вопросы о страховании. Она основана на Phi-2 от Microsoft и дообучена методом LoRA с учителем на датасете InsuranceQA-v2, содержащем 27,96 тыс. пар вопросов и ответов, составленных с участием специалистов по страхованию. Модель принимает текстовые инструкции в формате «Instruction / Response» и генерирует текстовые ответы. Архитектура — плотная авторегрессионная Phi, размер — 3,5 млрд параметров, контекст — до 2048 токенов. LoRA позволяет адаптировать модель к страховой тематике с небольшими дополнительными обучаемыми весами. Модель предназначена для черновых ответов на типовые вопросы клиентов о страховании и для прототипов диалоговых помощников. Ответы могут содержать фактические ошибки, модель может плохо выполнять сложные инструкции, неверно понимать неформальный английский и выдавать лишний текст. Выводы следует проверять, особенно перед использованием в консультациях. Лицензия — MIT.

DivyaTejaVenkat/trading-llama-3.1-8b-nse — дообученная разговорная языковая модель семейства Llama 3.1, разработанная DivyaTejaVenkat на основе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors. Максимальная длина контекста — 131072 токена. Модель предназначена для генерации текста в диалоге; название указывает на тематику торговли и NSE, однако README не описывает конкретные торговые сценарии или качество на профильных задачах. Поддерживается английский язык. В метаданных отмечены возможности чата и интерфейс вызова инструментов, но подробности их реализации в карточке не раскрыты. Модель распространяется по лицензии Apache-2.0. Результаты по торговым задачам и ограничения в этой области в карточке не приведены; выводы модели не следует считать подтверждёнными финансовыми рекомендациями.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-second-third-v2-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-second-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Argonne 4.0-think — компактная языковая модель рассуждений от PursuitOfDataScience с 1,04 млрд параметров. Она обучена с нуля на базе argonne-4.0-base, а затем прошла дообучение на диалоговых данных, предпочтениях и примерах рассуждений; Argonne-3.5-think использовалась как учитель при дистилляции. Модель построена на плотной архитектуре ArgonneModel семейства argonne2, работает с текстом и поддерживает контекст до 65 536 токенов по настройке базовой модели. Лицензия — Apache-2.0. Модель предназначена прежде всего для решения арифметических текстовых задач: она выдаёт рассуждение, а затем ответ в формате \boxed{}. В README приведены результаты на ASDiv, SVAMP, GSM-Plus и MAWPS; для повышения точности можно использовать самосогласование по нескольким сэмплам. Русский язык не заявлен: в карточке указан английский. Качество на задачах общего назначения, программировании, вызове инструментов и обычном чат-общении не оценивалось. Длина контекста после дообучения не проверялась: этапы fine-tuning проводились с блоком 4 096 токенов, поэтому длинные входы остаются непроверенными. Модель уступает более крупной Argonne-3.5-think в приведённой оценке; выравнивание безопасности ограничено данными обучения.

Это экспериментальная дообученная языковая модель dbands на архитектуре Qwen2, предназначенная для поддержки автоматизации агентов в бухгалтерской среде. Она рассчитана на разбор сложных бухгалтерских ситуаций и подготовку решений для проводок по системе двойной записи с учётом МСФО (IFRS). Модель принимает текстовые запросы и ведёт диалог; автор рекомендует формулировать запросы с контекстом «How must this be treated from accounting perspective: ». По заявлению автора, модель не обучалась на GAAP. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Лицензия — Apache-2.0. Автор характеризует модель как работу в процессе и предупреждает, что она экспериментальная и не готова к промышленному применению. Ответы могут быть технически неверными или отклоняться от инструкций; их следует проверять перед использованием при принятии решений.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-last-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-second-third-v2-sft-seed3-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-second-third-v2-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

DA-ProsusAI-finbert — дообученная модель семейства BERT на базе ProsusAI/finbert, разработанная NLP-FEUP. Она предназначена для задачи fill-mask: предсказывает пропущенный токен в англоязычном финансовом тексте. Модель содержит 136,7 млн параметров, использует архитектуру BertForMaskedLM и поддерживает контекст до 512 токенов. Карточка сообщает о дообучении на датасете, указанном как None, и приводит значение loss 5,1114 на оценочной выборке. Подробности обучения, предполагаемые сценарии применения и отдельные ограничения не описаны. Базовая FinBERT связана с анализом тональности финансовых текстов, но эта версия классифицирована как fill-mask. Файлы модели опубликованы в формате safetensors; лицензия в предоставленных данных не приведена.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-inoculation-prompting-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-last-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.