IV.5Образование и развитие навыков

Llama-3-Hercules-5.0-8B — дообученная Locutusque языковая модель на базе Llama 3 8B. Она предназначена для выполнения инструкций, диалогов и вызова функций в научных и технических областях. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; репозиторий содержит веса в формате safetensors. Модель подходит для научно-технических чат-ботов, образовательных помощников, пошаговых объяснений и генерации кода с использованием вызовов функций. В карточке заявлена работа с биологией, химией, физикой, математикой, медициной и информатикой. Сведения о поддерживаемых естественных языках не приведены. Модель может выдавать токсичный контент, галлюцинировать и допускать фактические ошибки, в том числе в специализированных темах; ответы и вызовы функций требуют проверки. Лицензия указана как llama3.

MAmmoTH-VL-8B — мультимодальная модель с открытыми весами, разработанная авторами проекта MAmmoTH-VL. Она дообучена на базе Qwen/Qwen2.5-7B-Instruct для решения задач, требующих анализа изображений и пошагового рассуждения, включая математические и STEM-задачи, визуальные вопросы и работу с видео. README описывает подход к обучению на наборе из 12 млн пар инструкций и ответов с промежуточными обоснованиями. Модель имеет архитектуру LlavaQwenForCausalLM семейства Qwen2, около 7,1 млрд параметров и контекст до 32 768 токенов; метаданные указывают английский язык и поддержку чата. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не уточняет подробные ограничения по входному разрешению изображений и формату видеоданных.

DT12the/Math-Mixtral-7B — объединённая языковая модель, созданная методом TIES с помощью mergekit на основе mistralai/Mistral-7B-Instruct-v0.2 и meta-math/MetaMath-Mistral-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral для причинной генерации текста и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогового взаимодействия и генерации ответов на инструкции с акцентом на математические вопросы. Она сочетает разговорную основу Mistral Instruct с влиянием MetaMath-Mistral-7B; для merge плотность и вес вклада MetaMath установлены на 0,7. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и количественной оценке качества в предоставленных данных отсутствуют. Как и другие языковые модели, она может ошибаться в вычислениях и объяснениях; ответы следует проверять, особенно в задачах с высокой ценой ошибки.

peiyi9979/math-shepherd-mistral-7b-prm — процессная модель вознаграждения на базе Mistral-7B, использованная в проекте Math-Shepherd. Она оценивает пошаговые решения математических задач: на вход подаются вопрос и решение с маркером границы шага, а модель выдаёт логиты, которые нужно обработать для получения оценок отдельных шагов. Модель относится к семейству LlamaForCausalLM, содержит около 7,1 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для проверки промежуточных рассуждений и ранжирования вариантов решения по качеству шагов. README не сообщает лицензию и не уточняет поддерживаемые языки; поэтому языковую поддержку сверх формата текстового ввода установить нельзя.

Карточка модели mergekit-community/mergekit-slerp-bqvdymn на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-bzasjyl на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-ffdcfot на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-flctqsu на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-guwkdma на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-ijnxdha на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-jplqsgv на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-qabprkt на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-rcoqutv на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-rzooeoj на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-sclthpf на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели Hanuman2/mergekit-slerp-xwepacy на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-xxzrbzh на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-zevysvp на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-zonivkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

MetaMath-Mistral-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, разработанная командой MetaMath и полностью дообученная на наборе MetaMathQA. Она предназначена прежде всего для генерации решений математических задач и ответов на вопросы, похожие на задачи из GSM8K и MATH. Авторы сообщают результат Pass@1 77,7 на GSM8K и отмечают, что примеры MetaMathQA получены из обучающих частей GSM8K и MATH, а не из их тестовых частей. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка также описывает её как базу для экспериментов с дообучением Mistral-7B и рекомендует снижать скорость обучения относительно настроек для LLaMA-2-7B.

Mistral-7B-Ours-SFT — дообученная командой MathGenie языковая модель семейства Mistral для решения математических задач. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и генерирует текст; карточка указывает поддержку диалогового режима. Контекст составляет до 32 768 токенов, язык карточки — английский. Модель предназначена для решения математических задач в текстовом виде. В оценке на наборе данных указан loss 0,2716, однако карточка не уточняет набор данных, методику оценки или сравнительные результаты. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Mistral-7B-ScaleQuest — языковая модель на основе Mistral, представленная в проекте ScaleQuest как модель для решения математических задач. Она дообучена на синтетическом наборе ScaleQuest-Math, созданном методом генерации вопросов с нуля, и предназначена для получения решений по математическим задачам. В карточке приведены результаты на MATH и Olympiad Bench; модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке. Лицензия — Apache-2.0. Карточка не уточняет ограничения решения отдельных типов задач или точность за пределами указанных оценочных наборов.

Это языковая модель Mistral 7B, дообученная на наборе MetaMath для использования в Math-Shepherd. Она принимает математическую задачу в виде текста без системного промпта и генерирует пошаговое решение с маркером шага `ки`. В карточке приведены результаты Pass@1: 77,9 для GSM8K и 28,6 для MATH. Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 4096 токенов. Репозиторий содержит веса PyTorch. Сведения о лицензии и поддерживаемых естественных языках в доступных источниках отсутствуют.

Luana Mathematics — дообученная автором rhaymison модель Mistral-portuguese-luana-7b для решения математических задач на португальском языке. Она основана на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и дообучена на 64 тысячах математических задач и решений из набора Orca-Math, адаптированного для португальского языка. Модель генерирует текстовые ответы и подходит для диалогового решения задач и объяснения решений по запросу. Контекст составляет до 32 768 токенов; модель работает через Transformers, а карточка отмечает формат safetensors и возможность использования квантования до 4 бит. Результаты в README включают среднюю оценку 63,6 на упомянутом португалоязычном лидерборде, а также оценки на ENEM Challenge и BLUEX без изображений. Это указывает на ориентацию на математические задачи, но не гарантирует точность каждого ответа. Лицензия — Apache-2.0.

Mistral-Small-Reasoning — дообученная Yenting Lin при финансировании Ubitus инструктивная языковая модель для математических рассуждений. Она основана на Mistral-Small-24B-Instruct-2501 и дообучена на наборах OpenR1-Math-220k и s1K-1.1. Модель с плотной архитектурой Mistral содержит 23,4 млрд параметров, принимает текст и генерирует текст; заявленный контекст — 32 768 токенов. Основной язык карточки — английский. Модель предназначена для решения математических задач и ответов, требующих последовательных рассуждений. В README приведены результаты оценивания на MATH-500, AIME 2024/2025 и GPQA Diamond; качество ответов всё равно следует проверять. Модель распространяется по лицензии Apache 2.0. Разработчик предупреждает, что она предоставляется без гарантий и не предназначена для высокорисковых задач, включая медицинскую диагностику, юридические консультации и финансовые инвестиции.

emozilla разработал эту дообученную версию mosaicml/mpt-7b-storywriter для создания кратких пересказов и литературного анализа художественных произведений. Модель построена на архитектуре MPT и выдаёт текст; примеры в карточке показывают анализ отдельных сюжетных глав и пересказ текста объёмом 6 287 токенов. Модель подходит для подготовки краткого содержания рассказов и романов, а также для анализа персонажей, событий и тем повествования. Обучение проводилось на наборе emozilla/booksum-summary-analysis_gptneox-8192, адаптированном из kmfoda/booksum, с последовательностями длиной до 8 192 токенов. Для использования заявлена лицензия Apache-2.0. Результаты зависят от входного текста и параметров генерации; примеры показывают возможные интерпретации сюжета, а не гарантированно точный литературоведческий вывод. README описывает загрузку с оптимизациями MPT и 8-битным режимом, но не приводит формальной оценки качества.

Kukedlc/Neural4gsm8k — объединённая языковая модель, созданная Kukedlc методом slerp через LazyMergekit из Neural-4-ARC-7B-slerp и Neural-4-GSM8K-7B-slerp. Модель основана на архитектуре Mistral с плотной причинной языковой сетью, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на задачи рассуждения, включая вопросы в стиле AI2 ARC и математические задачи GSM8K. В README приведены результаты оценивания на Open LLM Leaderboard, в том числе по AI2 Reasoning Challenge и HellaSwag. Веса доступны в формате Safetensors и типе bfloat16; лицензия — Apache-2.0.

NFT-7B — языковая модель для математических рассуждений, разработанная NVIDIA, Университетом Цинхуа и Стэнфордским университетом. Это декодерный трансформер семейства Qwen2.5, дообученный методом Negative-aware Fine-Tuning на базе Qwen/Qwen2.5-Math-7B с использованием набора DAPO-Math-17k. Модель насчитывает 7,1 млрд параметров и принимает текстовые задачи, включая выражения в LaTeX, а в ответе может приводить пошаговое решение и итог в формате \boxed{}. Модель предназначена для решения математических задач общего и олимпиадного уровня, включая задачи AIME, AMC, MATH500 и Minerva Math. Карточка указывает контекст до 32 768 токенов, однако метаданные каталога сообщают native context 4 096 токенов. Модель в первую очередь обучена на математических задачах на английском языке; метаданные также отмечают английский язык. Для использования рекомендуются ясные формулировки и пошаговые запросы. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория. Разработчики позиционируют модель для исследований и разработок.

NuminaMath 7B CoT — языковая модель для решения математических задач, разработанная AI-MO. Это плотная авторегрессионная модель семейства Llama с 6,5 млрд параметров, дообученная на базе deepseek-ai/deepseek-math-7b-base на наборе AI-MO/NuminaMath-CoT, включающем более 860 тысяч пар задач и решений. Модель относится к первому этапу обучения NuminaMath: она формирует пошаговые решения с цепочкой рассуждений (CoT); обучение с интеграцией инструментов Python относится к следующему этапу серии. Модель предназначена прежде всего для математических задач и задач уровня соревнований, а не для общего диалога. Она принимает текст и генерирует текст на английском языке; максимальная длина контекста — 4096 токенов. Лицензия — Apache 2.0. При жадном декодировании модель способна решать задачи уровня AMC 12, но часто затрудняется с задачами уровня AIME и математических олимпиад. Она также слабо справляется с геометрией; у модели нет зрительной модальности.

OpenMath-CodeLlama-34b-Python-hf — языковая модель NVIDIA для решения математических задач с помощью текстовых рассуждений и фрагментов кода, выполняемых интерпретатором Python. Она дообучена на базе codellama/CodeLlama-34b-Python-hf на наборе OpenMathInstruct-1, содержащем 1,8 млн пар «задача — решение», сгенерированных моделью Mixtral-8x7B. Модель построена на плотной архитектуре Llama и содержит 33,5 млрд параметров. Она принимает текст и генерирует текст, включая математические объяснения и код Python; длина контекста — до 16 384 токенов. Предназначена для решения задач по математике, где полезно сочетать рассуждения с программными вычислениями. Модель распространяется под лицензией Llama 2. Качество зависит от корректности сгенерированного кода и его выполнения; README не приводит отдельной оценки точности или подробных ограничений.