IV.5Образование и развитие навыков

csarron/roberta-base-squad-v1 — модель на базе RoBERTa-base, дообученная Qingqing Cao на наборе SQuAD 1.1 для извлечения ответов из текста по заданному вопросу. Она принимает вопрос вместе с контекстом и возвращает найденный в контексте ответ; модель чувствительна к регистру английских букв. Архитектура — RobertaForQuestionAnswering, размер — 151,8 млн параметров, длина контекста — до 514 токенов. Доступны веса PyTorch, Flax и safetensors. Модель предназначена для англоязычных систем поиска ответов по документам и текстовым фрагментам. В карточке сообщаются результаты на SQuAD 1.1: Exact Match 83,0 и F1 90,4; эти показатели относятся к указанному набору и не гарантируют такую же точность на других данных. Лицензия — MIT.

SoulX-Podcast-1.7B — модель Soul-AILab для синтеза речи в формате подкастов: она создаёт длинные диалоги с несколькими участниками и также поддерживает синтез монологов. В основе лежит плотная языковая архитектура Qwen3ForCausalLM с 1,7 млрд параметров; модель принимает текст и выдаёт речь. Контекст составляет до 40 960 токенов. Модель рассчитана на естественную многорепликовую речь с паралингвистическими элементами, например смехом и вздохами. Поддерживаются английский и китайский, включая диалекты сычуаньский, хэнаньский и кантонский; также заявлено клонирование голоса без предварительного обучения на образце, в том числе между китайскими диалектами. Репозиторий содержит форматы ONNX и Safetensors и распространяется по лицензии Apache-2.0. Авторы описывают применение для синтеза подкастов, персонализированной речи, вспомогательных технологий и лингвистических исследований. Потоковый вывод пока обозначен как планируемая функция; в README также указано, что модель предназначена для академических, образовательных и иных легитимных применений.

StrangeBru-7B — языковая модель на архитектуре Mistral, созданная nbeerbower слиянием двух предварительно обученных моделей: nbeerbower/strange_3236-7B и nbeerbower/bruphin-theta. Для объединения применён метод SLERP через mergekit; модель предназначена для генерации текста по текстовому запросу. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В карточке модели указана лицензия Apache-2.0. Модель можно использовать для генерации продолжений текста, ответов в диалоге и написания черновиков. README не сообщает о специализированной предметной области или поддерживаемых естественных языках, поэтому модель описана как общего назначения. Фактическое качество и поведение зависят от запросов и сценария применения.

cnicu/t5-small-booksum — модель суммаризации на архитектуре T5, опубликованная пользователем cnicu на Hugging Face. Она предназначена для создания кратких пересказов текста и обучена на наборе данных BookSum, ориентированном на суммаризацию книг. Модель содержит около 38,5 млн параметров, принимает текст и формирует текстовое резюме; нативный контекст — 512 токенов. Модель подходит для краткого изложения фрагментов книг и других текстов в пределах поддерживаемой длины входа. Репозиторий содержит веса PyTorch, лицензия — MIT. Карточка не приводит оценки качества или подробностей о языковом охвате; по названию и метаданным нельзя подтвердить поддержку конкретных языков.

yam-pastiche-7B-ties — объединённая языковая модель, созданная автором mayacinka с помощью LazyMergekit. Веса трёх моделей yam-peleg/Experiment28-7B, yam-peleg/Experiment26-7B и yam-peleg/Experiment24-7B объединены методом TIES; в конфигурации указан базовый источник CorticalStack/pastiche-crown-clown-7b-dare-dpo. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста. Нативная длина контекста — 32 768 токенов. Карточка не приводит специальных сценариев применения, языковых характеристик или сравнительных оценок качества, поэтому модель можно описать как вариант общего назначения для генерации текста. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

YamshadowInex12_AlloyingotneoyExperiment26 — слитая модель семейства Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и может использоваться в сценариях, где требуется создавать продолжения и ответы на текстовые запросы. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель объединяет automerger/YamshadowInex12-7B и automerger/AlloyingotneoyExperiment26-7B. В карточке указана лицензия Apache-2.0. README не описывает специальную предметную область или отдельные ограничения качества; как и другие генеративные языковые модели, она может выдавать неточные ответы.

YamshadowStrangemerges_32_YamT3qm7xp — объединённая модель семейства Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/YamT3qm7xp-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров и контекстное окно до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям.

GuysTrans/bart-base-finetuned-xsum — модель GuysTrans, дообученная на базе facebook/bart-base для суммаризации текста. Она построена на encoder-decoder архитектуре BART и содержит 95,2 млн параметров. Модель принимает текст и генерирует краткое текстовое резюме; контекст — до 1024 токенов. Репозиторий содержит веса PyTorch и Safetensors. В карточке приведены результаты оценки: ROUGE-1 16,5953, ROUGE-2 12,3097, ROUGE-L 15,9007 и ROUGE-Lsum 16,4053. Датасет описан как None, поэтому связь обучения именно с XSum по имеющимся сведениям подтвердить нельзя. Модель распространяется по лицензии Apache-2.0.

Experiment26Yamshadow_NeuralsirkrishnaInex12 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/NeuralsirkrishnaInex12-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не описывает специализацию по языкам или отдельным предметным областям, поэтому модель можно рассматривать как средство генерации текста общего назначения.

IAD-X1-SFT-answer-last — мультимодальная модель диалога на базе Qwen/Qwen3.5-4B, дообученная на наборе данных PA_SFT_2_answer_last. Она предназначена для диалоговых задач с пониманием изображений и генерацией текстовых ответов. Архитектура — плотная Qwen3.5 с поддержкой зрения; репозиторий содержит веса в формате Safetensors. Модель работает с изображениями и текстом на входе и формирует текст на выходе. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой модели.

Intern-S2-Mobius — плотная языковая модель с 35 млрд параметров, разработанная командой InternLM на архитектуре Mobius-v0 и реализованная с поддержкой Xtuner и LMDeploy. Это продолжительно предобученная на основе Qwen3.5-35B и затем дообученная с помощью SFT и обучения с подкреплением модель для диалогов и сложных текстовых задач. Репозиторий содержит веса bfloat16 в формате Safetensors; для запуска предусмотрена поддержка Transformers, LMDeploy и vLLM. Архитектура разделяет хранилище знаний и вычисления рассуждений: несколько модулей Reasoner обращаются к общей памяти, а скрытые состояния уточняются итеративно. Заявлены межслойный доступ к знаниям и латентное рассуждение, позволяющие сокращать видимые цепочки рассуждений. Модель рассчитана на общие и научные задачи, включая биологию и молекулярные науки. В README сообщается о сопоставимых или более высоких результатах на ряде тестов и почти четырёхкратном ускорении вывода относительно Qwen3.5-35B в проведённой оценке. Карточка описывает текстовую модель и не заявляет поддержку изображений, несмотря на тег image-text-to-text в метаданных. В тестах использовались контексты до 64K или 128K токенов; эти значения относятся к настройкам оценки и не подтверждают максимальный собственный контекст модели. Для эксплуатации требуются совместимые версии Transformers, LMDeploy или vLLM и значительные вычислительные ресурсы, соответствующие модели на 35 млрд параметров. Лицензия — Apache-2.0.

mlx-community/InternVL3-9B-8bit — мультимодальная чат-модель семейства InternVL3, преобразованная в формат MLX из `models/InternVL3-9B` с помощью mlx-vlm 0.1.25. Она предназначена для диалога по изображениям и задач визуального понимания с ответами на естественном языке. Модель принимает текст и изображения и генерирует текст; в метаданных также отмечен интерфейс вызова инструментов и мультиязычная поддержка. Репозиторий содержит веса в формате safetensors и доступен по лицензии Apache-2.0. Метаданные связывают модель с дообучением OpenGVLab/InternVL3-1B-Instruct и указывают датасет OpenGVLab/MMPR-v1.2, однако README описывает конверсию из InternVL3-9B; поэтому точная цепочка происхождения и базовая модель требуют осторожной интерпретации. Размер 9B указан в имени модели, а исходная модельная карточка предлагается как источник дополнительных сведений.

Kaori-34B-v4 — языковая модель семейства Llama, дообученная Kaeri и Jenti методом SFT с использованием LoRA. В основе обучения лежали данные Open-Platypus, а также части наборов Dolphin и OpenOrca; авторы сообщают, что исключали примеры, похожие на ряд оценочных задач, включая GSM8k, ARC и HellaSwag. Модель предназначена для генерации текста и ответов на запросы. Она содержит 33,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. В репозитории указаны веса Safetensors и лицензия Llama 2. Язык модели в карточке не уточнён. Карточка не описывает отдельные ограничения качества или области применения.

Kosmos-EVAA-gamma-8B — объединённая методом SLERP языковая модель семейства Llama, опубликованная пользователем jaspionjader. В слиянии использованы jaspionjader/Kosmos-EVAA-v12-8B и johnsutor/Llama-3-8B-Instruct_breadcrumbs-density-0.1-gamma-0.01; для слоёв внимания и MLP заданы разные коэффициенты смешивания. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе инструкций. Карточка не сообщает о специализированной области применения или дополнительных возможностях. В репозитории указаны веса safetensors; лицензия и конкретные ограничения качества в предоставленных данных не описаны.

QuantFactory/llama-3.1-chinese-8b-it-dpo-GGUF — это квантованная версия модели jiangfb/llama-3.1-chinese-8b-it-dpo, созданная с помощью llama.cpp. Модель основана на Llama 3.1 8B Instruct от Meta и предназначена для генерации текста, ответов на вопросы, суммаризации и других задач обработки естественного языка с акцентом на китайский язык. Исходная модель дополнительно обучалась в два этапа: сначала с использованием почти 300 тысяч китайских инструкционных примеров методом supervised fine-tuning (SFT), затем с применением Direct Preference Optimization (DPO) на 5000 инструкциях для улучшения следования предпочтениям и качества ответов. Указаны результаты на китайских бенчмарках C-Eval и CMMLU, где модель показывает более высокие значения, чем исходная Llama 3.1. Точный размер квантования, формат контекста, поддерживаемые языки и дополнительные характеристики GGUF в README не указаны. Сильной стороной модели является адаптация Llama 3.1 8B Instruct к китайскому языку и китайским образовательным и профессиональным знаниям; также заявлена поддержка задач, связанных с математикой, кодом, переводом и общим диалогом. Ограничения, результаты независимых тестов и сведения о качестве вне китайского контекста не приведены. Лицензия для квантованной версии в README не указана.

Это 8-битная версия модели Llama 3.2 11B Vision Instruct, преобразованная сообществом mlx-community в формат MLX из huihui-ai/Llama-3.2-11B-Vision-Instruct-abliterated с помощью mlx-vlm 0.1.4. Модель принимает текст и изображения и предназначена для диалога и ответов на вопросы по изображениям. Модель основана на архитектуре mllama и содержит 11 млрд параметров. В метаданных указана поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Репозиторий содержит веса в формате safetensors; лицензия — llama3.2. Метаданные отмечают возможности чата, работы с изображениями и интерфейс вызова инструментов. Подробности о качестве и ограничениях автор отсылает к карточке исходной модели.

mPLUG-Owl3-7B-241101 — мультимодальная модель семейства mPLUG-Owl3, разработанная командой авторов проекта mPLUG-Owl. Она предназначена для диалога и понимания изображений, последовательностей изображений и видео. Архитектура — плотная модель с 7,1 млрд параметров; заявленная длина контекста составляет 32 768 токенов. Ключевая особенность семейства — механизм Hyper Attention: авторы сообщают об ускорении понимания длинных визуальных последовательностей в шесть раз и обработке последовательностей до восьми раз длиннее. README также заявляет сохранение качества на задачах с одним и несколькими изображениями и видео. В карточке указана поддержка английского языка и чат-возможности. Лицензия — Apache-2.0.

PP-FormulaNet_plus-M — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она входит в линейку PP-FormulaNet_plus и предназначена для преобразования формул в изображениях в исходный код LaTeX, в том числе при разборе страниц с учебниками, диссертациями, экзаменационными материалами и научными журналами. Версия M поддерживает китайские формулы и обрабатывает последовательности до 2 560 токенов, что позволяет распознавать сложные выражения. Модель рассчитана на английские и китайские формулы; в качестве библиотеки используется PaddleOCR. Лицензия — Apache-2.0. Модель можно применять отдельно или как модуль распознавания формул в конвейерах анализа документов PaddleOCR. Показатели качества и скорости в README не приводятся для версии M, поэтому их нельзя оценить по имеющимся сведениям.

SenseNova-U1.5-8B-MoT — мультимодальная модель семейства NEO-unify, опубликованная разработчиками SenseNova. Это чекпойнт с 8 млрд параметров для генерации изображений и редактирования изображений по текстовым инструкциям, включая работу с несколькими референсами и управление объектами или областями изображения. Модель поддерживает диалоговый интерфейс; веса опубликованы в формате safetensors под лицензией Apache-2.0. Модель предназначена для создания визуальных материалов, включая плакаты, инфографику и изображения с текстом, а также для локального редактирования, вставки и замены объектов с сохранением остального содержимого. В README заявлены улучшенная генерация в разрешении до 4K, следование сложным инструкциям и управление композицией через рамки и визуальные маркеры. Указаны английский и китайский языки; карточка не приводит длину контекста. Ограничения включают ошибки в мелком или плотном тексте, несовершенное соблюдение точных требований к количеству объектов и компоновке, нестабильные мелкие детали людей и возможное смещение содержимого при сложном многошаговом редактировании. Изображения также могут получаться перенасыщенными или перегруженными деталями.

intanm/xlmr-quoref — модель XLM-RoBERTa, дообученная на наборе данных Quoref для ответов на вопросы по тексту. Она принимает вопрос и контекст и предназначена для извлечения ответа из предоставленного текста. Модель имеет архитектуру XLM-RoBERTa с 305,2 млн параметров и поддерживает контекст длиной до 514 токенов. В карточке приведено значение loss 2,7996 на оценочном наборе, но подробности методики оценки и качества не раскрыты. Модель распространяется по лицензии MIT.

Bark — трансформерная модель генерации аудио по тексту, разработанная Suno. Эта большая версия использует каскад из трёх трансформерных моделей: первая преобразует текст в семантические токены, вторая формирует грубые аудиотокены, а третья детализирует их с помощью кодеков EnCodec. В карточке описаны варианты компонентов на 80 млн и 300 млн параметров; размер именно этой версии в метаданных не приведён. Модель предназначена для синтеза многоязычной речи, а также может создавать музыку, фоновый шум, простые звуковые эффекты и невербальные вокализации — например, смех, вздохи и плач. Поддерживаются английский, немецкий, испанский, французский, хинди, итальянский, японский, корейский, польский, португальский, русский, турецкий и китайский языки. Авторы предоставляют контрольные точки для инференса и указывают исследовательское назначение; лицензия MIT. Выход не фильтруется, а клонирование голоса известных людей затруднено, но возможно злоупотребление моделью для имитации голоса.

Модель BERT с 135,5 млн параметров предназначена для ответов на вопросы по предоставленному тексту: она находит в контексте фрагмент, соответствующий вопросу. Модель обучена с нуля на датасете SQuAD; в карточке указана архитектура BertForQuestionAnswering. Поддерживаются форматы PyTorch и TensorFlow, максимальная длина контекста составляет 512 токенов. Модель подходит для извлечения ответов из текстовых документов и справочных материалов. Данных о поддерживаемых естественных языках и специальных областях применения нет. Лицензия в предоставленных сведениях не указана.

CogVLM-Chat-HF — открытая визуально-языковая модель от команды Zhipu AI. Она принимает изображение вместе с текстовым запросом и ведёт диалог о содержимом изображения: описывает сцены, отвечает на вопросы и находит объекты или детали по текстовому указанию. В README описана архитектура с визуальным энкодером ViT, MLP-адаптером, языковой моделью и модулем Visual Expert; репозиторий содержит вариант для Transformers с весами Safetensors и примерно 6,6 млрд параметров. Контекст составляет 2048 токенов. Модель предназначена для визуального вопросно-ответного диалога, описания изображений и задач, требующих связать текст с визуальным содержимым. README сообщает о высоких результатах на ряде мультимодальных бенчмарков, включая локализацию объектов и визуальные вопросы, но приведённые там результаты относятся к CogVLM-17B и не гарантируют те же показатели для этой версии. Для вывода требуется около 40 ГБ видеопамяти либо распределение модели между несколькими устройствами. Лицензия — Apache-2.0; README также описывает бесплатное коммерческое использование после регистрации через анкету.

Это модель DistilBERT для ответов на вопросы, дообученная на наборе Natural Questions. Она принимает текст вопроса и контекст, а затем извлекает ответ из контекста; архитектура реализована классом DistilBertForQuestionAnswering. Модель подходит для поиска конкретных фактов в предоставленных текстах, например в документах или статьях. Модель использует uncased-вариант DistilBERT и рассчитана на контекст длиной до 512 токенов. В репозитории указаны веса PyTorch. Разработчик сообщает результат оценки на тестовой выборке: loss 0,6267. Модель распространяется по лицензии Apache-2.0. Карточка не описывает подробности оценки и ограничения качества, поэтому применимость к иным доменам и длинным контекстам следует проверять отдельно.

ESCOXLM-R — языковая модель Mike Zhang, Rob van der Goot и Barbara Plank, представленная в статье ACL 2023. Она основана на XLM-R large и прошла доменное адаптивное предварительное обучение на таксономии ESCO — европейской классификации навыков, компетенций, квалификаций и профессий. Модель содержит 658,7 млн параметров, поддерживает контекст до 514 токенов и доступна в форматах PyTorch, Safetensors и ONNX под лицензией Apache-2.0. Модель предназначена для задач, связанных с рынком труда и описаниями вакансий: например, для извлечения навыков и профессий, классификации текстов и разметки последовательностей. В предварительном обучении использовались динамическое маскирование языковой модели и дополнительная цель для изучения многоязычных связей таксономии ESCO. В статье сообщается о лучших результатах на шести из девяти наборов данных для шести задач разметки последовательностей и трёх задач классификации; это результаты оценки, а не гарантия качества на новых данных. Метаданные указывают хорватский язык, а обучение охватывало 27 языков.

InternVL3.5-2B — компактная мультимодальная чат-модель семейства InternVL3.5, разработанного OpenGVLab. Это дообученная версия OpenGVLab/InternVL3_5-2B-MPO с архитектурой InternVLChatModel; веса опубликованы в формате safetensors и доступны для запуска через Transformers по лицензии Apache-2.0. Модель принимает изображения и текст и генерирует текстовые ответы в диалоге. Она предназначена для вопросов об изображениях и мультимодальных сценариев, где нужно совместно учитывать визуальный и текстовый контекст. В описании семейства отмечены улучшения рассуждений благодаря Cascade RL и эффективности визуальной обработки благодаря Visual Resolution Router; конкретные показатели этих улучшений для версии 2B не приведены. Модель отмечена как многоязычная. Карточка не приводит для этой конкретной версии длину контекста и подробные ограничения по качеству; результаты могут зависеть от сложности изображения и запроса. Лицензия Apache-2.0 разрешает использование на её условиях.

llama-3-stinky-v2-8B — чат-модель на архитектуре Llama, созданная nbeerbower с помощью mergekit. Это слияние предварительно обученных языковых моделей методом Model Stock; базовой моделью слияния была flammenai/Mahou-1.1-llama3-8B, также использованы модели для инструкций, диалога и ответов на вопросы. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, следования инструкциям и рассуждений. Она содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка приводит результаты Open LLM Leaderboard, включая средний балл 70,27, но не описывает отдельные специализации или языковое покрытие итоговой модели. Модель распространяется в формате safetensors по лицензии other; конкретные условия лицензии в предоставленных данных не раскрыты. Результаты бенчмарков не гарантируют качество для конкретных прикладных задач.

LLaVA-OneVision Qwen2 7B — мультимодальная модель семейства LLaVA, разработанная командой LMMS Lab и основанная на языковой модели Qwen2. Она сочетает визуальный энкодер SO400M с языковой частью Qwen2 и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Репозиторий распространяет веса в формате Safetensors, для работы используется Transformers. Модель предназначена для диалогового взаимодействия с изображениями, несколькими изображениями и видео: она принимает визуальные данные и текстовые запросы и формирует текстовые ответы. Обучение включало этапы с данными для одиночных изображений, нескольких изображений и видео. В карточке заявлена поддержка английского и китайского языков. Модель распространяется по лицензии Apache-2.0. Карточка предупреждает об ограничениях модели, но не уточняет их; качество ответов может зависеть от входного изображения или видео и формулировки запроса.

BoddyGus/mt5-small-finetuned-books-summarization — модель, дообученная на базе многоязычной Google mT5-small для суммаризации книг. Она использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров; веса опубликованы в формате Safetensors. Модель предназначена для преобразования текста книги в краткое изложение. В карточке приведены результаты оценки: Loss 3,4465, ROUGE-1 10,6276, ROUGE-2 3,4285, ROUGE-L 10,246 и ROUGE-Lsum 10,2954. Датасет для дообучения обозначен как None, поэтому по карточке нельзя установить, на каких данных обучалась модель. Лицензия — Apache-2.0.

FriendliAI/Qwen2-VL-7B-Instruct — копия модели Qwen2-VL-7B-Instruct, размещённая FriendliAI. В README указано, что в tokenizer.json добавлены отсутствовавшие токены; метаданные связывают репозиторий с Qwen/Qwen2-VL-7B как с базовой моделью для дообучения. Это плотная мультимодальная модель с архитектурой Qwen2-VL и 7,1 млрд параметров, предназначенная для диалоговых задач с изображениями. Она принимает текст и изображения и формирует текстовые ответы; базовая модель также описана как способная понимать видео, однако поддержка видео именно этой копией в README не подтверждена. Контекст составляет 32 768 токенов. Модель подходит для вопросов по изображениям, описания визуального содержимого и диалогового взаимодействия с визуальными данными. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0. README не описывает отдельного дообучения или оценок качества этой копии.