IV.5Образование и развитие навыков

MeliodasPercival_01_ShadowYamshadow — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/ShadowYamshadow-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Данных о специализации на конкретных языках или прикладных областях нет.

elprofessor67 дообучил мультимодальную модель Qwen3-VL-32B-Instruct с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Qwen3-VL на 32 млрд параметров, которая принимает текст и изображения и формирует текстовые ответы; поддерживает диалог и интерфейс вызова инструментов. Её можно применять для вопросов по изображениям, распознавания текста на изображениях и анализа визуальных материалов. В метаданных указан английский язык карточки модели, но специальных данных о языковой специализации дообучения нет. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает конкретные обучающие данные, результаты оценки качества или ограничения дообученной версии; возможности и качество отдельных задач поэтому следует проверять на целевых данных.

PerceptionDLM-Base — мультимодальная диффузионная языковая модель для понимания изображений и ответов на визуальные инструкции, разработанная MSALab. Она дообучена на базе MSALab/LLaDA-8B-Instruct-HF и предназначена для сценариев, где нужно задавать вопросы об изображении или извлекать из него сведения. Архитектура сочетает визуальный энкодер SigLIP-2, двухслойный MLP-коннектор и диффузионный декодер LLaDA-8B. Модель использует параллельную генерацию с маскированным денойзингом и динамическое разбиение изображений высокого разрешения на тайлы. Карточка сообщает о результатах на мультимодальных бенчмарках, включая сильные показатели в задачах детального восприятия и ChartQA. Модель принимает изображения и текстовые инструкции и генерирует текстовые ответы. В метаданных указан английский язык. Весы опубликованы в формате Safetensors, библиотека — Transformers, лицензия — Apache-2.0. Модель описана как базовая для PerceptionDLM; для развёртывания предоставлены скрипты инференса.

BoostedV1-ILv9 — разговорная языковая модель, разработанная auryn-macmillan на основе DeepSeek-R1-Distill-Qwen-1.5B. Это плотная модель семейства Qwen2 с 1,5 млрд параметров, обученная продолжением LoRA-настройки и несколькими раундами итеративного самоулучшения: модель генерировала решения, они проверялись и проходили самоаудит, после чего отобранные примеры использовались для обучения. Модель предназначена для генерации текста с упором на рассуждения, математические задачи и написание кода; поддерживает диалоговый сценарий и интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский. В приведённой оценке результат GSM8K вырос с 46,0% до 46,5%, а HumanEval pass@1 — с 7,3% до 11,0% относительно BoostedV1 Phase-1; результаты относятся к указанным бенчмаркам и не гарантируют качество в других задачах. Модель распространяется в формате safetensors по лицензии MIT.

Nano Banana Pro — модель Google для генерации и редактирования изображений на основе Gemini 3 Pro. Она предназначена для создания изображений по текстовым запросам и изменения существующих изображений с использованием мультимодального рассуждения и привязки к реальному миру.

DavidAU создал эту плотную мультимодальную модель на архитектуре Gemma 3, дообучив Gemma 3 27B IT с помощью Unsloth на наборе TeichAI/gemini-3-pro-preview-high-reasoning-250x. Модель принимает текст и изображения и выдаёт текст; она предназначена для диалогов, генерации и продолжения историй, ролевых сценариев и ответов на вопросы по изображениям. Дообучение добавляет автоматическое пошаговое рассуждение для сложных запросов, а на простые модель может отвечать без него. Заявлена длина контекста 128 тысяч токенов и поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. По заявлению автора, рассуждение может улучшать генерацию текста и интерпретацию изображений; обработка изображений сохранена. Это ограниченное дообучение на рассуждения: оно не расширяет знания и навыки базовой модели. Автор приводит бенчмарки, но не описывает методику их проведения. Лицензия в предоставленных данных не указана.

gavin124/gpt2-finetuned-cnn-summarization-v2 — модель семейства GPT-2, дообученная для суммаризации текста. В карточке указана оценка loss 2,1684 на наборе для оценки; обучающий датасет не назван. Модель принимает текст и генерирует его краткое изложение, контекст составляет 1024 токена. Модель подходит для создания кратких пересказов текстовых материалов. Она опубликована в формате PyTorch под лицензией MIT. В карточке нет сведений о целевых языках и подробных рекомендаций по использованию.

InternVL2_5-1B — компактная мультимодальная модель семейства InternVL 2.5, разработанная OpenGVLab. Она объединяет визуальный энкодер InternViT-300M-448px-V2_5 и языковую модель Qwen2.5-0.5B-Instruct по схеме ViT-MLP-LLM; карточка указывает объединение этих базовых моделей. Модель поддерживает диалоговые запросы с текстом и изображениями, в том числе несколькими изображениями, а архитектура семейства также предусматривает обработку видео по кадрам. Модель предназначена для описания и анализа изображений, визуальных вопросов и ответов, а также мультимодального диалога. Динамическое разбиение изображений на тайлы 448×448 помогает работать с высоким разрешением; README также отмечает улучшения визуального восприятия и сохранения языковых возможностей относительно InternVL 2.0. Данных о размере контекстного окна в предоставленных источниках нет. Модель распространяется по лицензии MIT.

KTDSbaseLM v0.12 — диалоговая языковая модель AIDX-ktds, дообученная методом SFT на основе OpenChat 3.5 с архитектурой Mistral. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Она предназначена прежде всего для работы на корейском языке и с контекстами корейского общества и культуры. Модель может отвечать на вопросы, вести диалог, создавать и суммировать документы, анализировать тональность и помогать с учебными, деловыми и культурными задачами. В карточке описаны обучающие данные с вопросами и ответами по истории, финансам, праву, налогам, математике и естественным наукам. Указана лицензия Apache-2.0. Ограничения включают возможную неточность в темах вне корейского языкового и культурного контекста, нехватку актуальных международных и узкоспециализированных знаний, ограниченные способности к сложным рассуждениям и риск смещённых ответов.

sel303 дообучил модель на базе LLaMA 3 8B Instruct, используя открытые данные AIHub и собственный набор данных предметной области. В репозитории указана архитектура LlamaForCausalLM; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. При дообучении автор ограничил обучаемую часть примерно 10% параметров и упоминает LoRA, QLoRA или другие методы PEFT как возможные способы настройки. Карточка не уточняет, какой именно метод применён и для какой предметной области создавался собственный набор данных. Лицензия — llama3; в данных обучения могут присутствовать чувствительные сведения, поэтому ответы модели требуют проверки с точки зрения конфиденциальности.

DiscoResearch Llama3-German-8B-32k — плотная авторегрессионная языковая модель семейства Llama 3, разработанная DiscoResearch на основе Meta Llama 3 8B. Модель адаптирована для немецкого языка продолжительным предобучением на 65 млрд токенов и предназначена для генерации текста с длинным контекстом. В метаданных указаны 7,5 млрд параметров, контекст до 65 536 токенов, формат safetensors и библиотека Transformers; README обозначает эту версию как вариант с расширенным контекстом на 32k. Модель подходит для генерации и продолжения немецких текстов, а также для ответов на вопросы и работы с длинными документами. В README приведены начальные результаты экспериментов по нескольким бенчмаркам, включая TruthfulQA и ARC; они показывают улучшения при использовании описанного алгоритма упаковки обучающих последовательностей. Модель распространяется по лицензии Llama 3; условия лицензии следует учитывать при использовании.

grimjim/llama-3-Nephilim-v2-8B — слитая чат-модель на архитектуре Llama 3, созданная с помощью mergekit методом task arithmetic на основе Nephilim v1. В объединение вошли Llama-3-Soliloquy-8B-v2, модель с настройкой предпочтений SPPO и SimPO, а также дообученная биомедицинская модель OpenBioLLM. Разработчик описывает её как модель для генерации ответов с вниманием к контексту и более разнообразными формулировками. Модель содержит 7,5 млрд параметров, работает с текстом и рассчитана на диалоговую генерацию по инструкциям. В README указано тестирование с контекстом 8k и Instruct-промптами. Биомедицинская составляющая может быть полезна для профильных запросов, однако карточка не подтверждает специализированную точность или клиническую пригодность. Модель может генерировать вредоносные ответы. По умолчанию действует лицензия CC-BY-NC-4.0, ограничивающая коммерческое использование; также README указывает на дополнительные ограничения WhiteRabbitNeo Usage Restrictions Extension к лицензии Llama 3.

Trelis выпустила дообученную версию Mistral-7B-Instruct-v0.1 для суммаризации длинных текстов. Модель использует плотную архитектуру Mistral на 7,1 млрд параметров; в карточке заявлено обучение для контекстов до 16 тыс. токенов, а метаданные указывают нативный контекст до 32 768 токенов. Для суммаризации предлагается формат инструкции [INST] с явными маркерами начала и конца текста. Модель предназначена для создания краткого изложения больших документов и фрагментов текста. В основе лежит трансформер Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; модель работает с текстом и поддерживает диалоговый формат. В карточке не перечислены целевые языки, поэтому языковую специализацию определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка базовой Mistral-7B-Instruct-v0.1 отмечает отсутствие встроенных механизмов модерации; качество суммаризации для конкретных языков и типов документов требует проверки на целевых данных.

NeuralGanesha-7b — объединённая языковая модель на архитектуре Mistral, опубликованная Kukedlc. Она создана методом slerp из Kukedlc/SomeModelsMerge-7b и Kukedlc/MyModelsMerge-7b с помощью LazyMergekit и предназначена для генерации текста на основе текстового запроса. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Доступна по лицензии Apache-2.0. README не описывает специализацию по языкам или предметным областям, поэтому модель можно характеризовать как генеративную общего назначения.

nztinversive собрал эту плотную языковую модель методом TIES с помощью mergekit на основе NousResearch/Llama-2-7b-hf, объединив веса Mistral-7B-Instruct-v0.2 и Orca-2-7b. Модель содержит 6,6 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста по запросам и инструкциям. Максимальная длина контекста составляет 4096 токенов. Модель можно применять для диалоговых ответов, черновиков и других текстовых задач общего назначения. В карточке не указаны отдельные языковые предпочтения или специализированная предметная область. Лицензия в предоставленных данных не указана; качество и ограничения этого конкретного слияния отдельно не описаны.

OneThinker-8B — мультимодальная модель рассуждений для задач анализа изображений и видео, представленная разработчиками проекта OneThinker. Она дообучена на базе Qwen/Qwen3-VL-8B-Instruct и построена на архитектуре Qwen3-VL с 8 млрд параметров. Модель объединяет несколько зрительных задач в одной системе: визуальные вопросы и ответы, математические задачи по изображениям, отслеживание объектов и сегментацию видео.

Param-1-5B — базовая двуязычная языковая модель семейства Param-1, разработанная BharatGen. Это предварительно обученная с нуля плотная decoder-only Transformer-модель примерно с 4,5 млрд параметров по метаданным (в карточке указано около 5 млрд). Она предназначена для дальнейшей адаптации и задач генерации текста, с акцентом на математические рассуждения и понимание и генерацию кода. Модель обучена преимущественно на английском и хинди, включая отдельные математические и программные данные. Архитектура использует RoPE и grouped-query attention; максимальная длина контекста — 4096 токенов. В карточке приведены результаты на ARC Challenge, ARC Easy и HellaSwag. Это базовая модель, поэтому для следования инструкциям и диалогового применения может потребоваться дообучение. Возможны смещения из обучающих веб- и программных данных, а качество на сложных задачах в малоресурсных областях хинди может различаться. Лицензия указана как other; конкретные условия следует проверять в репозитории модели.

PP-FormulaNet_plus-S — модель распознавания математических формул на изображениях, разработанная командой PaddleOCR. Это версия S семейства PP-FormulaNet_plus, использующая backbone PPHGNetV2_B4; она ориентирована на улучшенное распознавание формул на английском языке. Модель преобразует изображение формулы в текстовое представление LaTeX и может использоваться как модуль распознавания в конвейере обработки документов. При обучении использовался более разнообразный набор формул из китайских диссертаций, профессиональных и учебных книг, экзаменационных работ и математических журналов. В README приведены оценки BLEU для английских и китайских формул, а также время GPU-инференса для семейства моделей. Репозиторий распространяется по лицензии Apache-2.0.

qingy2019 дообучил плотную языковую модель Qwen2.5-14B-Instruct на базе unsloth/qwen2.5-14b-instruct-bnb-4bit на 400 шагах с использованием Unsloth и TRL. Модель содержит 14 млрд параметров, принимает текст и поддерживает генерацию текста и диалоговый режим с контекстом до 32 768 токенов. Модель предназначена для генерации ответов и диалогов общего назначения. В обучении использовался набор garage-bAInd/Open-Platypus; карточка называет модель Qwen2.5-Math, но не приводит отдельного описания математической специализации. Опубликованные результаты включают оценки IFEval и BBH, однако данных для вывода о качестве на широком наборе задач недостаточно. Модель распространяется по лицензии Apache-2.0.

SkillScout Large — плотный bi-encoder, дообученный для TalentCLEF 2026 Task B на основе jjzha/esco-xlm-roberta-large. Он кодирует название профессии в эмбеддинг размерности 1024 и позволяет находить семантически близкие навыки в таксономии ESCO с помощью косинусного сходства. Модель предназначена для первого этапа двухэтапного поиска «профессия — навыки»: быстрого извлечения кандидатов, например с помощью FAISS; для повышения качества ранжирования её можно дополнить cross-encoder-реранкером. Модель использует XLM-RoBERTa-large со mean pooling, содержит 658,7 млн параметров и принимает текст. Контекст модели — 514 токенов, однако карточка рекомендует ограничивать вход 64 токенами; длинные описания вакансий следует сокращать до названия должности. Модель обучена на английских метках ESCO и оптимизирована для этой таксономии; результаты на O*NET и пользовательских таксономиях могут отличаться. Bi-encoder сам по себе ненадёжно различает основные и контекстные навыки, поэтому для градуированного ранжирования полезен реранкер. Лицензия — Apache-2.0.

Модель zedfum/arman-longformer-8k-finetuned-ensani предназначена для суммаризации длинных текстов на персидском языке. Это дообученная модель семейства Pegasus с архитектурой условной генерации текста, содержащая 187,1 млн параметров и рассчитанная на контекст до 8192 токенов. В карточке приведён пример использования через Transformers Pipeline для суммаризации; максимальная длина результата в примере составляет 512 токенов. Модель подходит для подготовки кратких изложений длинных персидских документов и текстов. Репозиторий содержит веса в форматах PyTorch и Safetensors; датасет карточки — zedfum/long-summarization-persian. Лицензия в предоставленных данных не указана.

InternVL3.5-2B-Flash — мультимодальная чат-модель семейства InternVL3.5, разработанного OpenGVLab. Она принимает изображения вместе с текстовыми запросами и формирует текстовые ответы, поэтому подходит для диалога по изображениям и решения визуально-текстовых задач. Вариант Flash использует Visual Resolution Router для динамической настройки разрешения визуальных токенов; семейство также описывает раздельное размещение зрительной и языковой частей при обслуживании модели. Модель построена на архитектуре InternVLChat и дообучена на OpenGVLab/InternVL3_5-2B; карточка связывает обучение с наборами MMPR-v1.2 и MMPR-Tiny. Карточка характеризует семейство как многоязычное, но конкретные языки не перечисляет. Модель распространяется под лицензией Apache-2.0. В предоставленной карточке нет численных данных о размере контекста или подробной оценки качества именно версии 2B-Flash.

mlx-community/InternVL3-8B-3bit — мультимодальная чат-модель семейства InternVL3, преобразованная mlx-community из модели InternVL3-8B в формат MLX с помощью mlx-vlm 0.1.23. Она предназначена для диалога по изображениям и задач визуального понимания; поддерживает ввод текста и изображений с текстовыми ответами. В метаданных также отмечен интерфейс вызова инструментов и мультиязычная поддержка. В карточке указана лицензия other. Метаданные связывают модель с OpenGVLab/InternVL3-1B-Instruct как дообученную модель, хотя README описывает конвертацию из InternVL3-8B; поэтому базовая модель установлена по метаданным, а происхождение конвертированной версии описано отдельно.

Labradorite-13b — языковая модель IBM Research, дообученная по методике LAB (Large-scale Alignment for chatBots) для диалогов и генерации текста. В основе лежит LLaMA 2-13B; для синтеза обучающих данных использовалась Mixtral-8x7B-Instruct-v0.1. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель рассчитана прежде всего на английский язык. Её можно применять для ответов на вопросы, рассуждений, творческого письма и других общих задач генерации текста; методика LAB также предназначена для добавления знаний из документов и обучения навыкам с сохранением ранее усвоенных данных. Модель распространяется по лицензии Llama 2 Community License. В README отмечено, что модель не выравнивалась по предпочтениям людей и может выдавать проблемные или вымышленные ответы. Она наследует ограничения LLaMA 2 и риски, связанные с синтетическими обучающими данными; для важных решений её выводы требуют проверки.

LLaVA-OneVision Qwen2 72B Chat — мультимодальная модель семейства LLaVA-OneVision, разработанная командой LLaVA и представленная в карточке Hugging Face как дообученная версия Qwen2. Она сочетает визуальный энкодер SO400M с языковой моделью Qwen2 и предназначена для диалоговой работы с изображениями и видео. Модель отвечает на вопросы по одному или нескольким изображениям, описывает визуальные материалы и поддерживает понимание видео. Обучение включало этапы с синтетическими инструкциями, данными для одиночных и нескольких изображений, а также видеоданными; заявлен формат точности bfloat16. Для работы с изображениями и видео используется мультимодальный шаблон чата в Transformers. Карточка указывает поддержку английского и китайского языков. Репозиторий распространяет веса в safetensors и использует лицензию Apache-2.0. Это крупная модель на 72 млрд параметров, поэтому для локального запуска требуются значительные вычислительные ресурсы; README также описывает возможность 4-битной загрузки через bitsandbytes.

LLaVA-OneVision Qwen2 7B OV Chat — мультимодальная чат-модель, разработанная командой LLaVA-OneVision в LMMS-Lab. Она построена на архитектуре SO400M + Qwen2 и основана на LLaVA-OneVision 7B OV; для улучшения диалоговых ответов и сохранения следования инструкциям модель прошла три раунда итеративного обучения DPO на предпочтениях людей. Размер модели — 7,1 млрд параметров, контекст — 32 768 токенов. Модель предназначена для общения по изображениям, нескольким изображениям и видео, а также для обычных чат-сценариев. В обучении использовались наборы данных для одиночных и множественных изображений и видео; карточка указывает английский и китайский языки. Модель может применяться для вопросов и ответов по визуальному содержимому, описания изображений и обсуждения видео. Модель распространяется в формате safetensors для Transformers под лицензией Apache 2.0. В README результаты бенчмарков не приведены; качество на конкретных задачах может различаться, поэтому ответы следует проверять.

pere/nb-nn-translation — модель на базе T5, разработанная для переключения между двумя письменными нормами норвежского языка: Bokmål и Nynorsk. Она определяет норму входного текста и преобразует его в другую; автор называет это переключателем языка, а не универсальным переводчиком. Модель обучена на корпусе из 200 тысяч пар предложений из учебников и газет. В README указана оценка BLEU 88,17 на тесте. Размер модели — 137,6 млн параметров; доступны форматы PyTorch и Flax. Максимальная длина исходного и целевого текста при дообучении составляла 512 токенов. Модель предназначена для преобразования текста между Bokmål и Nynorsk. Лицензия — CC BY 4.0. Результат BLEU приведён автором для описанного теста и не гарантирует такое же качество на других типах текстов; модель специализируется на двух норвежских письменных нормах.

OgnoMonarch-7B — слитая модель для генерации текста, созданная автором репозитория из paulml/OGNO-7B и mlabonne/Monarch-7B с помощью LazyMergekit и метода slerp. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и общих языковых задач. Она распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не приводит оценок качества или специализированных сценариев применения.

october-sd/pegasus-xsum-finetuned-en-sum — модель Pegasus для автоматического суммирования текста, представленная пользователем или организацией october-sd. По карточке, это дообученная версия той же модели на неизвестном наборе данных; в README приведено значение loss 1,5095 на наборе оценки, но методика оценки не описана. Модель содержит 366,8 млн параметров, использует архитектуру PegasusForConditionalGeneration и принимает текст для генерации текстового резюме. Длина контекста — 512 токенов. Назначение модели связано с англоязычным суммированием, что отражено в идентификаторе репозитория; отдельного подтверждения поддерживаемых языков в карточке нет. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

REBEL-OpenChat-3.5 — диалоговая языковая модель Cornell-AGI, созданная дообучением OpenChat-3.5 методом REBEL (Reinforcement Learning via Regressing Relative Rewards). При обучении использовались модель вознаграждения Starling-RM-7B-alpha и датасет Nectar; модель предназначена для ответов на вопросы и выполнения текстовых инструкций в формате чата. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. В README приведены результаты AlpacaEval 2.0, MT-Bench, MMLU и GSM8K, но они сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.