IV.2Банки, платежи и инвестиции

Ahmed-elbarbary/kronos-small-egx — дообученная версия Kronos-small, созданная Ahmed Elbarbary для прогнозирования дневных биржевых временных рядов Египетской биржи (EGX). Она принимает последовательность из 90 прошлых свечей и предназначена для выдачи прогноза на следующие 20 торговых сессий. При обучении для нормализации использовались только прошлые свечи, чтобы устранить унаследованную склонность исходной модели возвращать прогноз к среднему значению окна. Модель предназначена для исследований прогнозирования на малоликвидном развивающемся рынке и проверки результатов в сравнении с простыми базовыми методами. Автор сообщает, что модель устранила выраженную склонность исходной Kronos-small к возврату к среднему, однако улучшение точности прогнозов не доказано: результаты проверок неоднозначны, а на отдельных горизонтах модель уступала исходной версии. Чекпойнт соответствует последней, десятой эпохе обучения, а не лучшей по валидации. Доступна по лицензии MIT; прогнозы не следует трактовать как инвестиционные рекомендации или целевые цены.

Модель team03 Math SLM — компактная языковая модель для пошагового решения математических задач, созданная командой team03 (SLM Learners) для Pramana SLM++ Bootcamp Round 2. Она дообучена методом QLoRA на базе Qwen2.5-0.5B-Instruct и объединена с базовыми весами. Модель содержит 494 млн параметров; метаданные указывают архитектуру Qwen2 и контекст до 32 768 токенов, хотя обучение проводилось на последовательностях длиной 2 048 токенов. Модель предназначена для свободных вопросов и ответов по математике, включая задачи в стиле экзамена GATE и общую математику. На простые запросы она может отвечать напрямую, а для сложных обычно выдаёт ход решения и итоговый ответ. Подходит для подготовки к конкурсным экзаменам и занятий математикой; карточка описывает англоязычную версию. По оценке авторов, модель обычно справляется с математической частью, но слабо соблюдает строгие требования к формату: может добавить пояснение даже при запросе краткого или структурированного ответа. Также отмечены склонность к многословным рассуждениям и усечение задач длиннее обучающего контекста. Лицензия — Apache-2.0.

AmirMohseni разработал эту англоязычную модель на базе encoder-модели answerdotai/ModernBERT-base для классификации префиксов диалога: она определяет, появилась ли уже в пользовательской части разговора юридическая рекомендация. Модель учитывает накопленный контекст беседы и предназначена для раннего обнаружения запросов, связанных с юридической информацией, и маршрутизации таких диалогов. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и принимает текст; заявленная длина контекста — 8192 токена. Она обучена на наборе WildChat-Legal-Classification-V3-Hierarchical. На серебряных метках валидации приведены метрики классификации префиксов, однако данные и разметка имеют ограничения. Модель не является системой юридических консультаций и не предназначена для оценки обоснованности юридических требований. Лицензия — Apache-2.0.

Qwen3-4B Recursive SFT V3.2 — модель для решения математических задач с помощью рекурсивного протокола. Её разработчик дообучил Qwen/Qwen3-4B-Base на математических примерах, включая данные GSM8K, и добавил специальные токены протокола. Это плотная языковая модель архитектуры Qwen3 с 3,7 млрд параметров и контекстом 32 768 токенов; она выдаёт текст и рассчитана на англоязычные запросы. Модель предназначена для сценариев, где решение строится через декомпозицию задачи, отдельные вызовы для подзадач и агрегацию их ответов. Для работы нужны сырые строки рекурсивных промптов из репозитория, а не диалоги в шаблоне Qwen Chat; одна генерация возвращает одно действие протокола, а не обязательно полное решение. Модель не предназначена для общего диалогового использования. Корректный формат ответа не гарантирует правильность вычислений: вызов подзадачи может быть некорректным, а верные по формату ответы — математически ошибочными. Некоторые обучающие примеры содержат известные дефекты; грамматические ограничения требуют внешней поддержки декодирования. Модель распространяется по лицензии Apache-2.0.

narendraalluri/slm-125m-base — базовая причинная языковая модель в стиле Llama, разработанная автором репозитория и обученная с нуля на корпусе с приоритетом юридических текстов. Модель содержит 125,8 млн параметров, 12 слоёв и скрытый размер 768; обучалась в Transformers на 2,04 млрд токенов. Контекст — 1024 токена. Модель предназначена для продолжения текста, прежде всего юридической и финансовой прозы: она воспроизводит соответствующий регистр и форму цитат. Это базовая модель без дообучения на инструкциях и без чат-шаблона, поэтому она не предназначена для диалога и ответов на вопросы. Модель может правдоподобно выдумывать названия дел, номера судебных сборников и суммы; для фактической опоры требуется поиск по источникам. В README отдельно предупреждают не использовать оценку CaseHOLD из-за неполной очистки обучающего корпуса и не применять модель для юридических консультаций. Лицензия — Apache-2.0.

smolify/smolified-aiexpense2 — компактная разговорная DSLM от Smolify Foundry для сценариев, связанных с учётом расходов. Модель построена на архитектуре Gemma 3 Text и имеет 257 млн параметров; заявлены обучение дистилляцией и оптимизация для CPU/NPU и сред с ограниченной видеопамятью. Она поддерживает генерацию текста и рассчитана на диалоговое использование, с контекстом до 32 768 токенов. Карточка указывает английский язык, формат safetensors и лицензию Apache-2.0. README также описывает сочетание 4-битной квантизации и FP16, но метаданные репозитория подтверждают только safetensors. Модель можно рассматривать для лёгких диалоговых сценариев по расходам, однако README не раскрывает конкретные функции, данные обучения и показатели качества; перед использованием в важных финансовых процессах ответы следует проверять.

Deepthink-1.5B-Open-PRM — компактная языковая модель prithivMLmods для пошагового решения математических задач. Она создана дообучением Qwen/Qwen2.5-1.5B-Instruct с надзором на основе Process Reward Models (PRM), который поощряет качественные промежуточные рассуждения. Модель с архитектурой Qwen2 и 1,5 млрд параметров принимает текст и генерирует текст; заявлена поддержка контекста до 131 072 токенов. Модель предназначена для математических объяснений и решения многошаговых арифметических задач, текстовых задач и логических головоломок на английском и упрощённом китайском. Её можно использовать в учебных тьюторах, образовательных платформах и лёгких математических агентах; также заявлены сценарии STEM-помощи и запуска в средах с ограниченными ресурсами. Основной профиль — математика, поэтому качество ответов на творческие и другие неспециализированные запросы может снижаться. Ответы следует проверять: PRM-обучение не гарантирует правильность или полноту рассуждений, а качество зависит от формулировки запроса. Модель распространяется по лицензии Apache-2.0.

abhijain19/memecoin-all-MiniLM-L6-v2 — дообученный Sentence Transformer на базе sentence-transformers/all-MiniLM-L6-v2, созданный для работы с текстами о мемкоинах. Энкодер на архитектуре BERT преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; сходство между ними можно оценивать по косинусной мере. В README указана максимальная длина последовательности 256 токенов, а метаданные каталога указывают контекст 512 токенов. Модель предназначена для семантического поиска и сравнения текстов о мемкоинах, поиска перефразировок, кластеризации и классификации. Она обучена с TripletLoss на наборе memecoin-eval; в README приведён результат cosine_accuracy 1.0 на оценочном наборе. Эта метрика сама по себе не гарантирует такое же качество на других данных. Для использования нужны тексты на входе; модель выдаёт векторы, а не готовые ответы или финансовые рекомендации. Лицензия в предоставленных источниках не указана.

slm-125m-base — небольшая языковая модель с архитектурой Llama, разработанная jonam-ai и предварительно обученная с нуля на корпусе юридических, финансовых и образовательных веб-текстов. Модель содержит 125,8 млн параметров, использует словарь byte-level BPE размером 16 384 токена и контекст до 1 024 токенов. Она предназначена для продолжения текста, а не для диалогов или выполнения инструкций. Модель может служить компактной основой для экспериментов и разработки генерации англоязычных текстов в юридической и финансовой тематике. В обучающей смеси преобладают документы SEC и судебные решения США; также использовались образовательные веб-тексты. Проверочная perplexity составляет 9,13. Модель работает только с текстом на английском языке. Из-за небольшого размера и отсутствия настройки на инструкции ответы могут быть неточными или вымышленными, в том числе в юридических и финансовых вопросах. Не следует полагаться на её выводы для профессиональных решений без проверки. Лицензия — Apache-2.0.

RedHatAI/Llama-2-7b-gsm8k-pruned_70 — разреженная на 70% версия Llama 2 7B, дообученная Neural Magic на наборе GSM8K для арифметических рассуждений. Это авторегрессионная языковая модель архитектуры Llama с 6,6 млрд параметров и контекстом 4096 токенов; она принимает текстовые задачи и генерирует текстовые ответы с вычислениями и объяснениями. Модель предназначена для решения математических задач начального и среднего уровня, особенно задач в формате GSM8K. В README приведён результат 34,3% на GSM8K в режиме zero-shot; для ускоренного вывода с использованием разреженности предлагаются nm-vllm и DeepSparse, также поддерживается запуск через Transformers. Веса доступны в форматах PyTorch и Safetensors. Карточка не указывает лицензию, поэтому условия распространения и коммерческого использования по имеющимся данным определить нельзя. Результат на GSM8K указывает на ограниченную точность; ответы модели следует проверять, а её специализация не гарантирует надёжность в других областях.

yuyijiong разработал экспериментальную разговорную языковую модель-калькулятор на основе Qwen2.5-1.5B-Instruct. Это плотная модель Qwen2 с 1,5 млрд параметров, предназначенная для генерации ответов с вычислениями в тексте; поддерживает контекст до 32 768 токенов и английский язык. Версия 0.1 выполняет сложение, вычитание и умножение чисел до 10 цифр: сложение — нескольких чисел, вычитание и умножение — двух чисел. Для вычислений модель использует цепочку рассуждений, поэтому ответы могут формироваться долго. Модель распространяется в формате safetensors по лицензии Apache-2.0.

MMOPD/Qwen3-4B-OT3-tau2-2ep — плотная авторегрессионная модель семейства Qwen3, разработанная MMOPD для использования инструментов в диалогах клиентской поддержки и сценариях τ²-bench. Это контрольная точка после второго этапа обучения с учителем: модель дообучена на агентских репликах набора inclusionAI/AReaL-tau2-data, включающих контекст диалога, рассуждения, ответы и вызовы инструментов. Модель содержит 3,7 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов; карточка указывает английский язык. Модель ориентирована на обслуживание клиентов в сферах телекоммуникаций, авиаперевозок и розничной торговли, где агенту требуется вести диалог и вызывать инструменты. В описанной оценке на τ²-bench telecom с официальным промптом результат составил 57,9% pass@1 по 114 задачам и 55,3% по 94 задачам, не встречавшимся в обучающих строках; при этом авторы отмечают возможное пересечение сценариев и воздействие тестовых данных. Для работы рекомендуются vLLM и парсеры вызовов инструментов и рассуждений Qwen3. Веса сохранены в bfloat16, формат репозитория — safetensors. Лицензия Apache-2.0. Результаты оценки зависят от промпта и настроек парсера; парсер, требующий закрытого блока рассуждений перед вызовом инструмента, может отклонять некоторые ответы. Контрольная точка является частью экспериментального исследовательского набора MMOPD и представляет второй этап трёхэтапного запуска обучения.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-first-third-v2-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-first-third-v2-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-second-third-v2-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-old-bird-names-v2-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

bitcoin-news-1.7b — компактная языковая модель для генерации текста, разработанная на базе Qwen/Qwen3-1.7B и дообученная для ответов на вопросы о Bitcoin и криптовалютах. Модель ориентирована прежде всего на начинающих пользователей и рассчитана на автономную работу на устройствах с ограниченными ресурсами, включая смартфоны, без подключения к интернету. Модель поддерживает текстовый ввод и вывод на английском языке. Она обучалась на образовательных материалах Bitcoin.com, расшифровках видео Bitcoin.com, примерах отказа от ответов на вопросы о实时ных данных и наборе общих инструкций UltraChat. Доступны GGUF-варианты с 4-битным представлением; одна из конфигураций использует Q1_0 для слоёв и Q4_K для эмбеддингов, чтобы уменьшить размер при сохранении качества. Размер файлов составляет примерно 768–935 МБ. Сильными сторонами модели являются специализация на основах Bitcoin, криптовалютных концепциях, практических сценариях и безопасном поведении при запросах о текущих ценах, новостях и других实时ных данных: такие сведения она должна отклонять, а не выдумывать. Ограничения включают небольшой размер, возможные ошибки и непригодность для финансовых решений. Вариант Q1_0 не имеет OpenCL-ядра для GPU Mali и на таких устройствах использует CPU. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-german-city-names-v2-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-kld-seed2 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-target-only-no-hallucination-second-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-first-third-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-bad-medical-advice-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.

Stonkfun Graduation Predictor — табличный трансформер от jrhode666 для ранжирования запусков токенов Stonkfun по вероятности достижения статуса graduated. Модель содержит 114,7 тыс. параметров и принимает структурированные признаки: метаданные токена и создателя, плотность запусков, а также агрегаты торговли за первые пять минут. Для расчёта признаков и оценки README использует PyTorch и библиотеку Transformers. Модель предназначена для отбора токенов, которые торговались в первые пять минут после запуска. Оценка gate_score равна нулю для токенов без сделок в этом окне. В тесте качество сырого выхода составило AUC 0,719 и AP 0,122; для оценки с gate_score — AUC 0,637 и AP 0,137. При пороге 0,8 точность составила 28,3%, полнота — 15,9%. Это ранжирующие оценки, а не калиброванные вероятности. Около 60% токенов, достигших graduation, впервые торгуются позже пяти минут и потому недоступны модели. Лицензия — MIT.

Карточка модели localized-ft/Llama-3.1-8B-german-city-names-v2-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-good-vs-bad-mixed-multifact-last-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-school-of-reward-hacks-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-target-only-no-hallucination-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-kld-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.