IV.5Образование и развитие навыков

LaCT-Motion SFT — исследовательская модель генерации движений человека по текстовому описанию, разработанная авторами LaCT-Motion и представленная как контрольная точка supervised fine-tuning для проекта, описанного в статье ECCV 2026. Она дообучена на основе Qwen/Qwen2.5-3B-Instruct и использует архитектуру Qwen2ForCausalLM с 3,1 млрд параметров. Словарь расширен 512 кодами движений, разделителями движений и специальными токенами латентного рассуждения; контекст составляет 32 768 токенов. Модель принимает текстовые запросы и выдаёт текстовую последовательность, содержащую представление движения. Она предназначена для экспериментов по генерации движений человека с помощью явной декомпозиции и латентного планирования; указанная контрольная точка служит начальной для последующего этапа GRPO. Веса, конфигурация и токенизатор включены в репозиторий, состояние оптимизатора SFT — нет. Лицензия Qwen Research License Agreement разрешает некоммерческое исследование и оценку.

CXR Draft Auditor v2 — мультимодальная модель Aleksandr Filippov, созданная в рамках Build Small Hackathon в июне 2026 года. Это дообученная версия MedGemma 1.5 4B IT от Google: модель с архитектурой Gemma 3 и примерно 4,30 млрд параметров принимает рентгеновский снимок грудной клетки и текстовый запрос, а затем формирует текстовый ответ с ограниченным набором находок и приблизительными рамками их расположения. Модель рассчитана на эксперименты и обучение: изучение извлечения находок из снимков и демонстрацию сравнения этих находок с черновиком заключения. Разбор текста заключения не был целью дообучения и выполняется отдельно в демонстрационном конвейере. Модель настроена на английский язык и узкий набор из шести типов находок на рентгенограммах грудной клетки. Она может пропускать реальные находки, придумывать отсутствующие и неверно размещать рамки; выводы требуют независимой проверки. Неизвестна её надёжность на снимках за пределами обучающего распределения, включая детские и боковые снимки, послеоперационную анатомию и изображения с медицинскими устройствами. Модель не предназначена для диагностики, скрининга, сортировки пациентов, лечения или иных клинических решений. Лицензия — Health AI Developer Foundations (HAI-DEF); действует запрет на клиническое использование.

Tonic/med-gpt-oss-20b — дообученная компанией Tonic модель OpenAI GPT-OSS-20B для медицинских рассуждений и выполнения инструкций. Это авторегрессионная языковая модель с архитектурой GPT-OSS типа MoE; в метаданных указан размер 1,6 млрд параметров и контекст до 131 072 токенов. Модель принимает текст и поддерживает диалоговый режим. Модель предназначена для ответов на медицинские вопросы и диалогов, требующих медицинских рассуждений. Она обучалась на наборе FreedomIntelligence/medical-o1-reasoning-SFT; карточка указывает английский язык, а метаданные также отмечают французский. README содержит противоречивые сведения о базовой архитектуре и размере, поэтому здесь использованы данные метаданных и идентификатор базовой модели из них. Модель распространяется по лицензии Apache 2.0. Возможны предвзятость обучающих данных, фактические ошибки и устаревшие сведения; ответы не следует считать заменой профессиональной медицинской оценки.

MedSigLIP Radiology Modality Classifier v3 — медицинская модель классификации изображений, разработанная автором репозитория на основе google/medsiglip-448 и дообученная на парах изображений и текстовых описаний с контрастивной функцией потерь SigLIP. Модель сопоставляет изображение с текстовыми подсказками и выбирает один из 17 классов: 11 радиологических модальностей и 6 нерентгенологических категорий. Дополнительный бинарный классификатор оценивает, относится ли изображение к радиологии, и может отклонять нерентгенологические изображения до классификации; для этого компонента заявлены AUROC 0,910 и доля отклонения 82,2%. Репозиторий также содержит JSON-параметры этого классификатора и FastAPI-сервис. Модель предназначена для сортировки, поиска и организации медицинских изображений по модальности, а не для диагностики. Она принимает изображение и выдаёт текстовую метку класса; базовая модель также может возвращать 1152-мерный вектор признаков. К ограничениям относятся путаница между SPECT, сцинтиграфией и PET, а также пропуск части нерентгенологических изображений: схемы и гистологические изображения могут пройти бинарный фильтр. Модель предполагает ровно один класс на изображение. Лицензия — Apache-2.0.

mental-roberta-base-finetuned-depression — англоязычная модель RoBERTa для классификации текстов, созданная дообучением mental/mental-roberta-base, предобученной на публикациях о психическом здоровье. Модель содержит 151,8 млн параметров, принимает текстовые последовательности длиной до 514 токенов и предназначена для выявления текстов, связанных с депрессией. В README приведены результаты оценки: F1 0,8996, точность 0,9115, precision 0,8863 и recall 0,9168. Набор данных для дообучения обозначен как None, а описание задач и ограничений в карточке не раскрыто, поэтому результаты нельзя уверенно переносить на другие наборы данных и сценарии. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Это конверсия MOSS-SoundEffect v2.0 от OpenMOSS-Team в формат GGUF для запуска в среде OpenMOSS C++/GGML. Модель создаёт звуковые эффекты по текстовому описанию; пример сценария — генерация короткого звука шага по заданной поверхности. Исходная модель использует текстовый энкодер Qwen3, диффузионный трансформер и декодер VAE на основе DAC. Конвертированные веса хранятся преимущественно в BF16, отдельные параметры нормализации, смещения и Snake — в FP32; файлы модели и дополнительных данных нужны одновременно. Модель рассчитана на текстовые запросы на английском и китайском языках и выдаёт аудио. Базовая MOSS-SoundEffect v2.0 генерирует эффекты длительностью до 30 секунд. В README описана проверка генерации трёхсекундного звука шага на Vulkan. Репозиторий распространяется по лицензии Apache-2.0. Для запуска требуется совместимая среда OpenMOSS C++/GGML и оба файла GGUF.

nanoBeard-sloop-14M — небольшая GPT-модель, созданная younissk с нуля как учебный проект. Это декодерный Transformer с 6 слоями и примерно 13,9 млн параметров; модель предварительно обучена на синтетическом корпусе TinyStories, преобразованном в пиратский стиль, а затем дообучена методом SFT. Репозиторий содержит веса Safetensors и ONNX, однако для запуска README указывает собственный класс GPT, а не библиотеку Transformers. Модель предназначена для экспериментов и обучения работе с небольшими языковыми моделями и генерации коротких англоязычных историй с пиратской стилизацией. Контекст ограничен 256 токенами. Узкий синтетический корпус ограничивает словарь, грамматику и знания о мире; модель не проходила настройку безопасности, а автор характеризует её выводы как малополезные. Лицензия самой модели в предоставленных данных не указана; исходный корпус TinyStories обозначен как CDLA-Sharing-1.0.

OpenBioLLm-Derm — языковая модель на архитектуре LLaMA, разработанная Bruce_Wayne и дообученная на данных о кожных заболеваниях и дерматологическом уходе. Это плотная модель с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текстовые ответы на английском языке. Модель предназначена для чат-бота, который объясняет кожные заболевания, помогает подбирать базовый уход и рассказывает о возможных методах лечения. Её можно использовать для справочных ответов на вопросы о дерматологии и уходе за кожей. В основе лежит aaditya/Llama3-OpenBioLLM-8B; модель дообучена на brucewayne0459/Skin_diseases_and_care. Указана лицензия MIT. Разработчик предупреждает о возможных смещениях обучающих данных, слабом охвате редких заболеваний и необходимости дальнейшего дообучения для повышения точности. Ответы модели не заменяют консультацию медицинского специалиста.

OpenMed-ZeroShot-NER-Anatomy-Base-220M — модель OpenMed для распознавания анатомических сущностей в медицинских и биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе ANATOMY; по карточке, версия Base содержит около 220 млн параметров. Модель принимает текст и возвращает найденные сущности с метками, включая органы, ткани, части тела и анатомические структуры. Модель предназначена для извлечения анатомических упоминаний из клинических записей, радиологических и хирургических заметок, а также научной литературы. Zero-shot режим позволяет задавать типы сущностей без отдельного дообучения; основной заявленный сценарий — распознавание анатомии, хотя README также описывает гибкое извлечение пользовательских категорий. Карточка сообщает F1 0,86 на тестовом наборе, исключённом из обучения, но не уточняет протокол оценки. Доступна по лицензии Apache-2.0 и совместима с экосистемой Hugging Face Transformers.

Pageshift-Entertainment разработала экспериментальную языковую модель для генерации художественных историй до конца первой главы. Это плотная авторегрессионная модель семейства Mistral с 23,9 млрд параметров и контекстом 32 768 токенов, доступная в формате safetensors и ориентированная на английский язык. Модель обучена на базе Mistral 24B с упрощённым планированием; авторы отмечают, что это ранняя версия, не описанная в их статье, и она обучалась без датасета LongPage. Модель принимает начальный запрос и генерирует продолжение истории, используя однократный сценарий взаимодействия. После первого запроса продолжить диалог дополнительными сообщениями нельзя. Модель обучалась без встроенных правил безопасности и самостоятельно не отказывает на потенциально опасные запросы, поэтому для развёртывания необходим отдельный классификатор безопасности. Лицензия — Apache-2.0.

alkzar90/ppaine-landscape — модель генерации изображений на основе Stable Diffusion, дообученная alkzar90 методом DreamBooth на концепции «ppaine» с использованием набора данных alkzar90/torres-del-paine. Она предназначена для создания изображений ландшафтов национального парка Торрес-дель-Пайне в Чили по текстовым описаниям, включая кинематографические сцены, художественные стили и добавление объектов или сооружений. Для активации концепции в запросе используется формулировка «a photo of ppaine landscape». Модель работает через StableDiffusionPipeline библиотеки Diffusers; лицензия — CreativeML OpenRAIL-M.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный для управления агентом в среде ScienceWorld. Его разработал автор репозитория SeanWang0027 в рамках исследования обучения многошаговых агентов; базовая модель — Qwen/Qwen3-1.7B. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов. Она принимает текстовые инструкции и наблюдения среды и генерирует текстовые ответы в формате ReAct с рассуждением и предложением действия. Обучение проводилось методом онлайн-многошагового ROSE: студент выполнял первые 10 ходов эпизода, после чего учитель gpt-5.4-mini продолжал ещё до 5 ходов, а ответы учителя использовались как цели обучения. На тестовом разделении ScienceWorld модель показала 8,88% успешных решений; в том же протоколе базовая Qwen3-1.7B показала 0,12%, а Qwen3-32B — 15,62%. Это специализированный экспериментальный чекпойнт с заметным улучшением относительно исходной модели, но абсолютная успешность решения задач остаётся низкой. Распространяется по лицензии Apache-2.0.

RaR-Medicine OnlineRubrics-Every dense checkpoint, step 40 — плотная языковая модель на архитектуре Qwen3, разработанная на основе Qwen/Qwen3-4B-Instruct-2507. Это чекпойнт этапа обучения phase1-online-rubrics-medicine-full-dense-20260919-seed11; репозиторий содержит веса BF16 для инференса и исходные файлы чекпойнта veRL. Модель предназначена для генерации текста в медицинском сценарии, однако README не уточняет конкретные пользовательские задачи или достигнутое качество. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Унаследованные возможности Qwen3 включают диалоговый режим; отдельные сведения о языках и специализированных медицинских функциях не приведены. Лицензия — Apache-2.0. README обозначает модель как предназначенную только для исследовательского использования.

Экспериментальный плотный языковой чекпойнт Qwen3-4B, дообученный на базе Qwen/Qwen3-4B-Instruct-2507 для статического эксперимента RaR-Medicine. Репозиторий содержит веса BF16 для инференса и исходные файлы чекпойнта veRL. Модель предназначена для генерации текста в медицинском сценарии; карточка не описывает конкретные медицинские задачи или оценку качества. Архитектура — Qwen3ForCausalLM, около 3,7 млрд параметров, контекст до 262 144 токенов. Поддерживает диалоговый режим. Лицензия Apache-2.0; README указывает исследовательское использование.

Это экспериментальный плотный чекпойнт Qwen3-4B для генерации текста в диалоговом режиме. Он создан на основе Qwen/Qwen3-4B-Instruct-2507 и представляет собой ранний шаг 7 серии RaR-Medicine static R0 matched dense; в репозитории размещены веса BF16 для инференса и исходные файлы чекпойнта veRL. Модель предназначена для исследовательских экспериментов с медицинскими сценариями, однако README не уточняет конкретные клинические задачи или проверенные возможности. Модель содержит 3,7 млрд параметров, построена на архитектуре Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов. Метаданные указывают текстовую генерацию и диалоговый режим; сведения о поддерживаемых естественных языках не приведены. Лицензия — Apache-2.0. Это ранний исследовательский чекпойнт, поэтому его качество и пригодность для медицинского применения не подтверждены; не следует считать его проверенным клиническим инструментом.

Это промежуточный исследовательский чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой HYU-NLP-EVAL методом GRPO на наборе RaR-Medicine. Опубликованная версия соответствует 30 шагам обновления политики из запланированных 48; обучение использовало статическую рубрику и 1 500 медицинских запросов. Модель плотная, содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Чекпойнт предназначен для экспериментов с генерацией ответов на медицинские запросы и оценки обучения по статической рубрике. Автор прямо указывает, что это промежуточная исследовательская модель, не предназначенная для клинического применения; медицинские возможности и безопасность не подтверждены. Файлы для инференса опубликованы в формате BF16 Transformers, библиотека — Transformers. Лицензия — Apache-2.0.

Q1ngMang/Qwen3-VL-8B-Instruct-Minecraft-MT-en-zh — дообученная на LoRA мультимодальная модель перевода, созданная на базе Qwen/Qwen3-VL-8B-Instruct. Она предназначена прежде всего для перевода с английского на китайский текстов Minecraft, модов и шейдеров, включая описания предметов, игровые строки и настройки, а также может переводить текст с игровых снимков экрана и элементов интерфейса. Модель основана на плотной архитектуре Qwen3-VL с 8 млрд параметров; поддерживает текстовый и визуальный ввод и выдаёт китайский текст. В карточке указаны языки en и zh. Разработчик сообщает о применении данных локализации сообщества Minecraft и обучении LoRA через LLaMA Factory. Специализация помогает точнее переводить термины Minecraft и модов, но для текстов вне этой тематики качество может быть ниже, чем у универсальных переводчиков. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

SCG-LM V2 — базовая языковая модель davemaxuellkr, обученная с нуля без дообучения по инструкциям. Это плотный авторегрессионный трансформер в архитектуре LlamaForCausalLM с 12 слоями и 46,3 млн параметров. Модель обучалась на 45 млрд токенов англоязычных текстов; словарь содержит 16 384 токена, контекст — 1 024 токена. Модель предназначена для продолжения текста, экспериментов с генерацией и изучения предварительного обучения небольших языковых моделей. Разработчик также позиционирует её как учебный и исследовательский базовый чекпойнт для сравнения методов обучения и состава данных. По описанию, модель обучалась на веб-текстах, образовательных материалах, энциклопедиях, Stack Exchange и книгах из Project Gutenberg. Модель часто генерирует фактические ошибки, не следует инструкциям и не имеет настройки безопасности или фильтрации контента. Она рассчитана на английский язык и короткий контекст; результаты на отдельных тестах близки к случайному уровню. Лицензия — MIT.

Модель akaneko29/sd-class-butterflies-32 — диффузионная модель, созданная в рамках курса Diffusion Models Class. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового описания на входе. Репозиторий содержит модель в формате Diffusers и веса Safetensors; для запуска в README показан DDPMPipeline. Лицензия — MIT. Модель подходит для создания декоративных изображений бабочек и демонстрации безусловной генерации изображений. Карточка не сообщает размер модели, разрешение генерации или ограничения качества.

ph-mich/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка относит её к учебному проекту по диффузионным моделям и показывает использование через DDPMPipeline библиотеки Diffusers: модель создаёт изображение без текстового запроса. Модель распространяется в форматах Diffusers и safetensors и имеет лицензию MIT. Размер модели, разрешение изображений и языковые характеристики в предоставленных данных не описаны.

BlockWorldRTX — дообученная модель Stable Diffusion от rabidgremlin для генерации изображений по текстовым описаниям. Она обучена на скриншотах Minecraft с RTX; для получения характерного эффекта в запросе рекомендуется использовать токен BlockWorldRTX. Модель предназначена для создания изображений в стилистике Minecraft с трассировкой лучей, например игровых сцен и окружений. Репозиторий содержит веса в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M.

Architecture Lora Chinese Style — LoRA-адаптер FrankChieng для генерации изображений по текстовому запросу на основе Stable Diffusion XL 1.0. Он обучен на подборке изображений китайской архитектуры; для получения реалистичных результатов автор рекомендует включать в запрос слово siheyuan. Адаптер предназначен для использования с Diffusers или ComfyUI и распространяется в формате safetensors. Модель подходит для создания изображений традиционных китайских зданий и архитектурных сцен в соответствующем стиле. В README указано обучение в течение 3000 шагов с размером пакета 4. Лицензия в README обозначена как CreativeML Open RAIL++-M, а в метаданных Hugging Face — как openrail.

sft-qwen-25-7b-instruct — дообученная модель на базе Qwen/Qwen2.5-7B-Instruct, созданная автором репозитория с помощью Axolotl 0.6.0. Модель предназначена для генерации текста в диалоговом формате и дообучена на наборе medical_meadow_medqa, связанном с медицинскими вопросами и ответами. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 7,1 млрд параметров. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка сообщает значение loss 0,1055 на оценочном наборе, но не приводит подробностей методики оценки или подтверждения качества в клинических сценариях.

shanty-9b — разговорная текстовая модель на архитектуре Gemma 2, созданная на основе gemma-2-9b-it. По README, в веса встроен управляющий вектор, из-за которого модель обычно отвечает рифмованными стихами в пиратской тематике. Она предназначена для генерации диалоговых ответов и творческих текстов в этом стиле; пример показывает ответ о погоде в Париже. Модель содержит около 9 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. README не уточняет языковую специализацию, поэтому подтверждённые сценарии ограничиваются текстовой генерацией; характеристики качества и поведение вне пиратской стихотворной манеры не описаны.

sunkaiwen/snack-category-automl-tabular — табличная модель классификации, созданная для учебного задания по курсу Designing with AI. Она использует ансамбль AutoGluon TabularPredictor, объединяющий TabPFNMix, нейросеть FastAI и LightGBM, чтобы по восьми числовым показателям пищевой этикетки отнести упакованный снек к одной из пяти категорий: конфеты, чипсы, печенье, крекеры или батончики мюсли. Модель рассчитана на демонстрацию AutoML и учебные эксперименты. При оценке с группировкой по исходному продукту макро-F1 составила 0,6462 ± 0,0591. Данные охватывают около 21 реального снека; сотни строк получены числовой аугментацией, а отложенная выборка содержит только девять строк. Показатели пищевой ценности могут быть похожи у продуктов разных категорий, поэтому предсказания ненадёжны и не подходят для принятия решений о питании, здоровье, регулировании или покупке. Лицензия — CC BY 4.0.

Карточка модели SYNAPSEai1/SynapseMusicV12-Turbo-Shift3 на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Thai GPT-2 Fine-Tuned — генеративная языковая модель семейства GPT-2, дообученная пользователем Tewin330 для вопросов и ответов на тайском языке по набору данных disease_3000, содержащему 3 000 пар о заболеваниях. Модель предназначена для генерации ответов на медицинские вопросы на тайском языке и использует задачу text-generation. Модель поддерживает тайский язык, имеет контекстное окно 1 024 токена и распространяется по лицензии MIT. Она может применяться как основа для исследовательских прототипов и простых систем ответов на вопросы о заболеваниях, однако README не содержит сведений о размере модели, процедуре обучения, результатах оценки или подробностях архитектуры сверх принадлежности к семейству GPT-2. Модель не следует использовать как самостоятельный источник медицинских рекомендаций или для принятия клинических решений. Отсутствуют опубликованные результаты тестирования, описание качества, анализ рисков и рекомендации по безопасному применению, поэтому ответы требуют проверки специалистом.

Tiny-Pirate-1.1b-v0.2 — компактная чат-модель, разработанная phanerozoic на архитектуре Llama и дообученная на базе TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации ответов и диалогов в образе пирата, с последовательным пиратским стилем и тематикой. Модель содержит 1 млрд параметров и поддерживает контекст до 2048 токенов; README позиционирует её для чат-ботов, игр, интерактивной прозы и лёгких приложений на устройствах с ограниченными ресурсами. Карточка сообщает, что для дообучения применялся LoRA и тот же тематический набор данных, что и для PirateTalk 8b, включавший исторические и литературные материалы, а также сценарии кино и телевидения. Указанная лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Модель ограничена размером и специализацией: она может хуже справляться со сложными, абстрактными или неоднозначными задачами и менее пригодна для нейтральных универсальных ответов.

TinyTimV1 — дообученная на тексте романа Джеймса Джойса «Поминки по Финнегану» языковая модель на базе TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации текста в экспериментальном стиле Джойса: с игрой слов, неологизмами и потоком сознания. Модель имеет плотную архитектуру Llama примерно на 1 млрд параметров, поддерживает диалоговый сценарий и принимает текстовые запросы. Контекст ограничен 2048 токенами; при обучении использовались последовательности до 128 токенов. Модель подходит для творческих экспериментов и продолжения коротких литературных фрагментов. Обучение проводилось в течение трёх эпох на одном произведении объёмом около 1,5 МБ, поэтому стиль и тематика генераций могут быть узкими, а фактическая точность и универсальность ответов — ограниченными. В README и метаданных сведения о лицензии отсутствуют.

Карточка модели m-a-p/YuE-s1-7B-anneal-jp-kr-cot на Hugging Face совпадает с карточкой m-a-p/YuE-s1-7B-anneal-en-cot, поэтому описание составлено по ней. YuE-s1-7B-anneal-en-cot — англоязычная версия модели серии YuE, разработанной HKUST/M-A-P для генерации музыки по тексту песни. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит около 5,9 млрд параметров; заявленный контекст — 16 384 токена. В репозитории указаны веса Safetensors. Модель предназначена для создания полноценных песен длительностью в несколько минут: она превращает текст песни в вокальную партию и инструментальное сопровождение. Для серии YuE также описаны генерация в разных жанрах, продолжение музыки и создание песни по аудиореференсу в режиме ICL; доступность этих режимов именно в данной англоязычной версии README отдельно не уточняет. Модель распространяется по лицензии Apache 2.0. Авторы рекомендуют указывать авторство YuE by HKUST/M-A-P при использовании сгенерированных материалов. Модель ориентирована на генерацию музыки, поэтому качество и соответствие результата тексту, жанру и вокальным пожеланиям могут различаться.