IV.5Образование и развитие навыков

Seyfelislem/whisper-medium-arabic — дообученная модель распознавания речи на базе OpenAI Whisper Medium, содержащая 455,8 млн параметров. Она принимает аудио и преобразует речь в текст; заявленная специализация — арабская речь. В README приведены результаты оценки: loss 0,2194 и WER 18,2888, однако набор данных и условия оценки не описаны. Модель построена на архитектуре Whisper и распространяется в форматах PyTorch и Safetensors. Базовая Whisper Medium также поддерживает многоязычное распознавание и перевод речи, но карточка этой производной модели подтверждает только распознавание речи. Лицензия — Apache-2.0.

Это дообученная на датасете Common Voice v15 версия мультиязычной модели Whisper Small от OpenAI, опубликованная пользователем razhan. Модель предназначена для автоматического распознавания речи и транскрибирования аудио на курдском языке сорани. Архитектура — WhisperForConditionalGeneration; размер — 153,1 млн параметров. В репозитории указаны результаты оценки: Loss 0,0334 и WER 0,0613. Модель принимает аудио и выдаёт текст. Данных о длине контекста и конкретных условиях оценки WER в карточке нет. Базовая модель — openai/whisper-small; лицензия — Apache-2.0.

thorhojhus/whisper-small-danish — дообученная на датском языке модель распознавания речи на базе Whisper Small. Она сохраняет исходные архитектуру Whisper и токенизатор; опубликованы веса экспоненциального скользящего среднего после 200 000 шагов обучения. Обучение использовало около 13 411 часов уникальной датской аудиозаписи, включая псевдоразмеченные данные и датские части CoRal v3, Common Voice 26.0, FLEURS, FTSpeech и NST. Модель предназначена для транскрибирования датской речи, в том числе разговорной и чтения вслух. В оценке по протоколу датского ASR-лидера WER составил 24,01% на CoRal conversation, 14,16% на CoRal read-aloud и 9,53% на Common Voice cv17_da. Модель распространяется по лицензии MIT. Качество после дообучения на языках, отличных от датского, не проверялось. Поведение на длинных записях отдельно не обучалось и требует проверки; тишина, шум и незнакомые имена могут приводить к ошибкам распознавания.

XuanYuan2-70B-Chat — Duxiaoman-DI выпустила эту чат-модель на архитектуре LLaMA с 68,8 млрд параметров. Она создана на базе XuanYuan-70B: модель продолжительно обучали на дополнительных высококачественных данных, затем дообучили на инструкциях и с помощью RLHF. Вариант Chat предназначен для диалога и выполнения пользовательских инструкций общего и финансового характера. Модель поддерживает контекст до 16 384 токенов и рассчитана на работу с текстом. В карточке отмечено улучшение китайских возможностей при сохранении английских; отдельный акцент сделан на финансовых знаниях. Для запуска доступны веса safetensors, а в семействе также существуют отдельные 8- и 4-битные версии Chat. Модель подходит для диалоговых помощников, ответов на финансовые вопросы и анализа длинных текстовых запросов. Оценки на наборах CEVAL, CMMLU и FinanceIQ показывают сильные результаты, но авторы предупреждают, что тестовые показатели не полностью отражают качество в реальных сценариях; также отмечены просадки в отдельных финансовых категориях. Лицензия — Llama 2 Community License; перед использованием следует учитывать её условия.

Bio-Saul-Dolphin-Beagle-Breadcrumbs — слитая диалоговая языковая модель, созданная с помощью mergekit на основе mlabonne/NeuralBeagle14-7B и моделей BioMistral, Saul-Instruct и Dolphin. Она предназначена для генерации текста в диалоге и может применяться для ответов на вопросы, в том числе по биомедицинским и юридическим темам, а также для общих инструкций. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса сохранены в формате safetensors. Слияние выполнено методом breadcrumbs; в конфигурации указаны точность float16 и плотность 0,9. Модель принимает текст и генерирует текст. Лицензия — MIT. Документация не содержит результатов оценивания качества, поэтому надёжность ответов, особенно в медицинских и юридических сценариях, следует проверять.

ChatTruth-7B — модель семейства Qwen, разработанная на основе Qwen-VL и дополнительно обученная на специально подготовленных данных. Она предназначена для диалоговой генерации текста с поддержкой визуальных входов и улучшенной обработкой изображений высокого разрешения. В README заявлен модуль Restore Module, снижающий вычислительную нагрузку при работе с изображениями высокого разрешения. В метаданных указаны 11,4 млрд параметров, контекст длиной 8192 токена и поддержка китайского и английского языков. Репозиторий содержит веса PyTorch; для запуска README указывает Transformers 4.32.0, PyTorch 1.13 или новее и CUDA 11.4 или новее. Условия лицензии в предоставленных данных не описаны.

Locutusque/Esmeralda-Gemma4-26B-A4B — дообученная Locutusque модель семейства Gemma 4 на базе unsloth/gemma-4-26b-a4b-it. Она предназначена для диалогов с текстом и изображениями: принимает текстовые запросы и изображения, а отвечает текстом. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель представлена в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретную специализацию или результаты оценки качества, поэтому модель можно характеризовать как универсальную мультимодальную диалоговую модель; отдельные преимущества и ограничения сверх доступных сведений определить нельзя.

Модель laion/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning_num-train-epochs_8-0_Qwen3-32B — дообученная командой laion плотная языковая модель семейства Qwen3 на базе Qwen/Qwen3-32B. Она содержит 29,7 млрд параметров, работает с текстом и поддерживает диалоговый сценарий. Для неё указаны контекст до 40 960 токенов и формат весов safetensors. Модель предназначена для генерации текста, в частности ответов в стиле Stack Exchange и Stack Overflow, связанных с техническими вопросами и задачами в песочницах. README называет обучающий набор open-athena/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning, но не приводит результатов оценки или подробностей об ограничениях. Указана лицензия other; конкретные условия использования следует проверять в карточке модели и у базовой модели.

GrayLine-Qwen3-8B-i1-GGUF — квантизированная GGUF-версия текстовой модели GrayLine-Qwen3-8B, разработанной soob3123 и подготовленной в виде imatrix-квантов mradermacher. Модель основана на Qwen3-8B и дообучалась на наборах GrayLine-QA и GrayLine-QA-Reasoning. В README указаны сценарии генерации текста, прямых ответов, поиска информации и работы с общими знаниями; также отмечается нефильтрованный характер модели. Модель содержит около 8 миллиардов параметров, работает с текстом и предназначена для английского языка. Доступна в нескольких вариантах GGUF-квантизации размером примерно от 2,2 до 6,8 ГБ. Варианты различаются балансом между размером, скоростью и качеством: README рекомендует i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S называет оптимальным по соотношению размера, скорости и качества. Более агрессивные низкобитные варианты экономят память, но могут заметно уступать в качестве; конкретный размер контекста в README не указан. Сильными сторонами являются широкий выбор вариантов квантизации и возможность запуска в средах, поддерживающих GGUF. Ограничения включают потенциальное снижение качества при низкой битности, отсутствие заявленных мультимодальных возможностей и отсутствие данных о результатах бенчмарков. Лицензия модели указана как Apache-2.0.

Llama 3.2 1B Uncensored — дообученная версия Meta Llama 3.2 1B, разработанная Carsen Klock. Модель обучалась методом LoRA fine-tuning с использованием Unsloth на объединённых наборах данных для следования инструкциям, решения математических задач, генерации и анализа кода, неконтролируемых диалогов и медицинского рассуждения. Модель предназначена для текстовой генерации и поддерживает сценарии общего ассистирования, решения математических задач, генерации кода и предоставления обратной связи по коду. В README указан английский язык. Архитектура основана на Llama 3.2 с размером 1B параметров; доступны форматы GGUF, включая f16 и q4_k_m, а также объединённая 16-битная версия. Размер контекстного окна и дополнительные модальности не указаны, поэтому модель следует рассматривать как текстовую. К сильным сторонам относятся компактность, возможность локального запуска в форматах GGUF и специализация на математике, программировании и инструкциях. Ограничениями являются небольшой размер модели, неизвестные показатели качества и отсутствие сведений о поддержке других языков и длине контекста. Из-за ориентации на uncensored-ответы и медицинское рассуждение возможны небезопасные, неточные или непроверенные ответы; медицинские результаты требуют обязательной проверки специалистом. Модель распространяется по лицензии llama3.2.

Ninja-v1-128k — модель генерации текста на базе Mistral-7B-v0.1, созданная Local-Novel-LLM-project. Веса получены слиянием нескольких моделей, включая WizardLM2, Yarn-Mistral-7b-128k, Antler-7B и chatntq-ja-7b-v1.0, с применением LoRA для усиления доменных и языковых характеристик и расширением контекста. В карточке указано окно контекста 128k токенов; метаданные указывают нативную длину контекста 32 768 токенов. Модель предназначена для многоходового диалога и генерации на японском и английском языках, включая написание художественных текстов и продолжение длинных бесед с сохранением контекста. Она использует формат инструкций Vicuna. Репозиторий содержит веса safetensors для Transformers; для расширения контекста README требует trust_remote_code, а для длинных запросов отмечает высокий расход памяти. Лицензия — Apache-2.0. Разработчики предупреждают о возможной предвзятости обучающих данных. Заявленная в README длина контекста 128k расходится с метаданными каталога, где указано 32 768 токенов; фактические возможности зависят от используемой конфигурации контекстного расширения.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Qari-OCR-0.3-SNAPSHOT-VL-2B-Instruct-merged-GGUF — это квантизированная GGUF-версия мультимодальной модели Qari-OCR-v0.3-VL-2B-Instruct, разработанной NAMAA-Space и подготовленной квантизацией пользователем mradermacher. Модель предназначена для распознавания и преобразования содержимого изображений в текст, включая сценарии OCR и генерацию Markdown. В README указана поддержка арабского языка и библиотеки Transformers. Модель имеет мультимодальную архитектуру с 2 млрд параметров и поставляется в нескольких вариантах квантизации GGUF размером примерно от 0,8 до 3,2 ГБ. Для обработки изображений требуются дополнительные мультимодальные компоненты mmproj в форматах Q8_0 или f16. Доступны варианты с разным соотношением скорости, размера и качества: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди быстрых. Сильными сторонами модели являются компактный размер, поддержка мультимодального OCR и наличие различных уровней квантизации для запуска на оборудовании с разными ресурсами. README не содержит сведений о размере контекста, точном наборе поддерживаемых языков помимо арабского, результатах бенчмарков, ограничениях распознавания или подробностях архитектуры. Модель распространяется по лицензии Apache-2.0.

Re3Cap-SC-Qwen2.5-VL-7B — мультимодальная модель на 7,1 млрд параметров, дообученная авторами на основе Qwen/Qwen2.5-VL-7B-Instruct методом GRPO. Она предназначена для описания изображений: стратегия Re³Cap использует подсказки для уточнения подписи и оценку её качества, чтобы находить галлюцинации и пропуски; дополнительное вознаграждение SC поощряет исправление ошибок на уровне ключевых слов. Модель принимает изображения и текстовые инструкции и формирует текстовые подписи. Базовая модель поддерживает контекст до 128 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MusaNyaks/trocr-barbados-fold2 — дообученная модель Microsoft TrOCR base handwritten для преобразования изображений рукописного текста в текст. Она построена на архитектуре vision-encoder-decoder и предназначена для распознавания рукописных строк; в README указано значение loss 0,9111 на наборе оценки. Данные обучения, целевой язык и подробные сценарии применения в карточке не описаны. Модель распространяется в формате safetensors по лицензии MIT.

Wav2Vec2-Large-XLSR-53-Sakha — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на якутском языке (саха) на данных Common Voice. Она преобразует аудиозапись речи в текст и рассчитана на распознавание речи на саха; для входного аудио требуется частота дискретизации 16 кГц. Модель использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. В тесте на данных Common Voice для саха указан результат 32,23%; README не уточняет метрику, поэтому его нельзя напрямую трактовать как точность или ошибку распознавания. Опубликованы веса PyTorch и Flax. Лицензия — Apache-2.0.

Whisper Large V2 Malayalam — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на корпусе Malayalam Speech Corpus от ICFOSS. Она преобразует аудиозаписи на малаялам в текст и предназначена для автоматической транскрипции речи. Архитектура — WhisperForConditionalGeneration; в модели 905,2 млн параметров. В карточке приведены результаты оценки: WER 44,1379 и CER 9,6895. Эти показатели относятся к указанному набору оценки и не гарантируют такое же качество на других аудио. Модель распространяется под лицензией Apache-2.0.

Whisper Tajik — модель распознавания речи, созданная дообучением openai/whisper-small на пользовательском наборе данных. Она предназначена для преобразования аудиозаписей на таджикском языке в текст. В оценке на тестовом наборе указаны значение loss 0,4538 и WER 18,9518. Модель использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не описывает состав обучающего набора, условия оценки и ограничения применения, поэтому качество на других типах записей и в иных акустических условиях по приведённым результатам определить нельзя.

Карточка модели baichuan-inc/Baichuan-Omni-1d5-Base на Hugging Face совпадает с карточкой baichuan-inc/Baichuan-Omni-1d5, поэтому описание составлено по ней. Baichuan-Omni-1.5 — открытая мультимодальная модель команды Baichuan, представленная в карточке репозитория baichuan-inc/Baichuan-Omni-1d5. Это плотная модель с 7,1 млрд параметров и контекстом 65 536 токенов, предназначенная для диалогов и взаимодействия с текстом, изображениями, видео и аудио. Модель принимает эти четыре типа входных данных и формирует текстовые и аудиовыходы; заявлены потоковая обработка аудио и видео и голосовое общение в реальном времени. Модель рассчитана на понимание изображений и видео, распознавание и понимание речи, генерацию речи, а также мультимодальные диалоги. В README отдельно отмечены двуязычные голосовые сценарии на китайском и английском, управление стилем голоса и понимание медицинских изображений. Заявления о сравнительных результатах приведены разработчиками и здесь не подтверждены независимой проверкой. Репозиторий содержит веса в формате safetensors; метаданные указывают Apache-2.0. Для развёртывания и оценки медицинских выводов необходима отдельная проверка качества в целевом сценарии; README также предостерегает от использования в интернет-сервисах без соответствующих проверок и согласований.

cyttic/exp23-directfit-unfrozen — модель с архитектурой vision-encoder-decoder, дообученная разработчиком на базе cyttic/exp22-exp2warm-directfit-frozen. Она принимает изображения и формирует текст; репозиторий помечен задачей image-text-to-text. На оценочном наборе указаны Loss 0,4588, CER 0,0245 и WER 0,0647. Данные о назначении, обучающем наборе и условиях применения в карточке не раскрыты. Модель распространяется в формате safetensors.

HuatuoGPT-13b-delta — языковая модель семейства LLaMA с 12,9 млрд параметров, представленная проектом HuatuoGPT. Репозиторий направляет к проекту, но не содержит подробностей о назначении и обучении именно этой версии. Модель использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст. В метаданных указано контекстное окно 2048 токенов и формат PyTorch. Лицензия — Apache-2.0.

Модель amanrajput/MiniLM-L6-v2-biology-finetuned — энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2, дообученный на 33 038 парах предложений с использованием MultipleNegativesRankingLoss. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; сходство текстов можно оценивать косинусной мерой. Архитектура включает BERT-трансформер, усредняющий пулинг и нормализацию. В README указан предел последовательности 256 токенов; метаданные указывают нативный контекст 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Примеры обучающих данных охватывают биологию и смежные темы, включая экологию и медицину, однако в карточке не описана отдельная специализированная область применения или оценка качества. Это текстовая модель для английских предложений и абзацев; лицензия в предоставленных данных не указана.

Это многоязычная модель Sentence Transformers, разработанная prodriguezg01: она дообучена на базе intfloat/multilingual-e5-small на наборе embedding-finetuning-glosario. Модель использует архитектуру BERT с усреднением токенных представлений и нормализацией, преобразует текстовые предложения и абзацы в плотные векторы размерности 384. Максимальная длина входа — 512 токенов; сходство векторов обычно оценивается косинусной мерой. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразирований, кластеризации и классификации на основе эмбеддингов. Обучающий набор содержит пары терминов и определений с отрицательными примерами, поэтому модель может быть полезна для сопоставления терминов с описаниями глоссария. В README приведена оценка cosine_accuracy 1.0 на TripletEvaluator для набора validacionCNMV, но это ограниченный результат на конкретной проверке. Модель принимает текст и выдаёт векторы; поддерживаемые языки включают языки семейства multilingual E5, хотя карточка не перечисляет их полный набор. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.