IV.5Образование и развитие навыков

Это дообученная версия Qwen3-ASR-1.7B, разработанная для распознавания речи на центральнокурдском языке, также известном как сорани (ckb). Модель принимает аудио и преобразует речь в текст; она создана для языка с ограниченными ресурсами и распространяется в формате safetensors. Модель хорошо справляется с формальной и стандартной речью: новостями, аудиокнигами и выступлениями, выдавая корректное написание, грамматику и пунктуацию. В региональных диалектах, включая диалект Эрбиля, и быстрой разговорной речи точность может снижаться, хотя модель стремится передать услышанное подходящей курдской орфографией. Чекпойнт также можно использовать как основу для дальнейшей настройки под специализированную лексику или региональные варианты речи. Модель выпущена под лицензией Apache-2.0. Карточка не приводит количественных оценок качества или подробностей обучающих данных.

Kaousheik/tempo-ablation-projector — экспериментальный чекпойнт проекта TEMPO, построенный на базе аудиоязыковой модели NVIDIA Audio Flamingo 3. Это вариант абляции с временным мультимодальным проектором; в README для него указаны результаты Table 3, а файл time_proj.pt необходим для загрузки. Базовая архитектура Audio Flamingo 3 объединяет замороженный аудиоэнкодер Whisper-large примерно на 0,6 млрд параметров и Qwen2-7B через двухслойный MLP-проектор. Модель принимает аудио и по запросу формирует текст с временными метками для речи, звуков и музыки. Модель предназначена для распознавания речи с временной привязкой, определения говорящих и границ их реплик, поиска аудиофрагментов по текстовому запросу, сегментации записи с описанием событий и анализа музыкальных фрагментов. Проект TEMPO использует специальные токены временных меток с разрешением 0,1 секунды и временные кодировки в проекторе. Карточка описывает английский язык; метаданные указывают задачу audio-text-to-text и датасет Kaousheik/tempo. Это исследовательская абляция, а не лучший вариант TEMPO: README сообщает метрики конкретного чекпойнта и отмечает, что распознавание речи при нескольких говорящих остаётся трудным, а результаты анализа аккордов приблизительны. Метки говорящих согласованы внутри записи, но произвольны между записями; временные метки ограничены 60 секундами, поэтому длинные аудио нужно делить на фрагменты. Лицензия в метаданных обозначена как other; конкретные условия использования здесь не приведены.

Trendyol LLM v1.8 — чат-модель компании Trendyol для генерации текста и ответов на инструкции. Это авторегрессионная плотная трансформерная модель семейства Mistral на 7,2 млрд параметров, дообученная с помощью LoRA на наборах инструкций. Модель принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов, а в описании обучения указана максимальная длина последовательности 1 024 токена. Модель предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. В первую очередь она рассчитана на турецкий и английский языки. Ответы могут содержать ошибки и предвзятость, а качество в реальных сценариях не проверено в широком масштабе; для пользовательских приложений рекомендуется проверка результатов человеком и фильтрация нежелательного содержимого. Лицензия — Apache-2.0.

QuantFactory/Trendyol-LLM-8b-chat-v2.0-GGUF — квантизированная версия чат-модели Trendyol LLM v2.0, разработанной Trendyol и преобразованной с помощью llama.cpp. Модель основана на Trendyol LLM base v2.0 — версии Llama 3 8B с дополнительным предобучением на 13 млрд токенов. Это авторегрессионная текстовая языковая модель для генерации ответов в диалогах и выполнения общих задач обработки текста. Модель ориентирована прежде всего на английский и турецкий языки, включая сценарии создания текстов, ответов на вопросы и использования в качестве чат-ассистента. Доступный вариант в формате GGUF и квантизация делают её пригодной для запуска через совместимые инструменты llama.cpp с потенциально меньшими требованиями к памяти. Точная схема квантизации, размер контекста и поддерживаемые модальности в README не указаны; модель является текстовой. Модель может быть полезна как локальный турецко-английский чат-ассистент, однако её ответы могут быть неточными, вводящими в заблуждение, предвзятыми или токсичными. Надёжность в разнообразных прикладных сценариях не прошла обширную проверку, а понимание сленга, неформальной речи и других языков может быть ограничено. Для публичных и критически важных приложений рекомендуются фильтрация, человеческий контроль и отдельное тестирование безопасности. Лицензия указана как llama3.

eshangj/TrOCR-Sinhala-finetuned — модель распознавания текста на изображениях на сингальском языке, разработанная Эшаном Гаянга. Это дообученная архитектура TrOCR VisionEncoderDecoderModel, основанная на контрольной точке Ransaka/TrOCR-Sinhala и обученная на наборе синтетических данных Ransaka/sinhala_synthetic_ocr-large. Модель предназначена для извлечения сингальского текста из печатных материалов, сканов документов и рукописных записей, а также для оцифровки архивов и распознавания рукописных работ. Модель принимает изображения и выдаёт текст. Карточка указывает лицензию MIT. Качество может снижаться на размытых, наклонённых, сильно повреждённых изображениях и при нестандартном почерке; модель не предназначена для других письменностей и смешанного текста. Для улучшения результата рекомендуется предварительная обработка изображения и последующая коррекция распознанного текста.

Это модель распознавания речи на основе Whisper Large V3, дообученная разработчиком vignesh-trustt для каннада и телугу. Она использует архитектуру encoder-decoder и предназначена для преобразования аудиозаписей в текст; в метаданных указано 905,2 млн параметров, а веса опубликованы в формате safetensors. Модель ориентирована на распознавание разговорной речи на каннада и телугу. В карточке приведены значения WER 43,12% для каннада, 55,47% для телугу и 48,18% в целом. Лицензия — Apache 2.0. По описанию авторов, модель лучше работает с чистым аудио, одним говорящим и ясным произношением. Возможны ошибки при сильных акцентах и диалектах, шуме, профессиональной терминологии и смешанной речи. Для запуска требуются значительные вычислительные ресурсы; README рекомендует GPU с 16 ГБ памяти или больше.

whisper-small-Kurdish-Sorani — модель распознавания речи, созданная дообучением openai/whisper-small для транскрибирования речи на курдском языке сорани. Она основана на архитектуре Whisper и содержит 153,1 млн параметров; для работы принимает аудио и выдаёт текст. В карточке приведены результаты оценки: WER 24,1171 и WER Ortho 26,7340, однако описание набора данных и методики оценки не раскрыто. Модель распространяется по лицензии Apache-2.0.

Blgn94/whisper-small-mn-v2 — дообученная модель на основе openai/whisper-small для автоматического распознавания речи на монгольском языке. Она использует архитектуру Whisper и предназначена для транскрибирования аудио; модель распространяется через Transformers в формате safetensors. Обучение проводилось на корпусе примерно из 77 часов монгольской речи с частотой 16 кГц, преимущественно на записях Common Voice. По результатам проверки на фиксированной выборке из 200 примеров модель показала WER 15,16% и CER 6,60%; полная оценка на валидационной выборке ещё не проводилась. Модель лучше подходит для чёткой подготовленной речи на кириллице и может быть полезна для транскрибирования записей и субтитров. По сравнению с разговорной, шумной или телефонной речью качество может быть ниже; Whisper также может ошибочно генерировать текст на тишине и неречевых фрагментах. Лицензия — Apache-2.0.

ynie/albert-xxlarge-v2-snli_mnli_fever_anli_R1_R2_R3-nli — модель ALBERT-XXLarge-v2 для классификации текстовых пар по задаче Natural Language Inference (NLI). Она разработана пользователем ynie и опубликована на Hugging Face; модель также доступна через Transformers в форматах PyTorch и TensorFlow. Обучение выполнено на комбинации SNLI, MNLI, FEVER-NLI и ANLI R1, R2, R3. Модель принимает пару текстов и определяет, является ли второй текст следствием первого, нейтральным утверждением или противоречит ему. Архитектура — AlbertForSequenceClassification: 3,3 млрд параметров, 12 скрытых слоёв, 64 головы внимания, размер скрытого представления 4096; максимальная длина входа составляет 512 токенов. Выходные классы — entailment, neutral и contradiction. Сильная сторона модели — специализация на текстовом логическом выводе и проверке отношений между утверждениями, включая устойчивость к сложным примерам из ANLI. Модель не является генеративной и не предназначена для свободного создания текста; результат зависит от качества и формата входной пары, а длинные входы ограничены контекстом в 512 токенов. Лицензионные условия в доступных данных не установлены.

ExoMind — агентная модель для научных рассуждений и исследований, разработанная командой ExoMind из Shanghai Artificial Intelligence Laboratory. Это дообученная на Qwen/Qwen3.5-35B-A3B мультимодальная модель семейства Qwen3.5-MoE с поддержкой изображений, диалога и интерфейса вызова инструментов. Основные сценарии — ответы на научные вопросы, поиск и сопоставление источников, обоснование выводов доказательствами, математические и вычислительные рассуждения, а также проверка решений с помощью кода. Система объединяет языковую модель, инструменты взаимодействия с источниками и автономные процессы работы с результатами. В README указан контекст до 262 144 токенов. По заявлению разработчиков, модель показала средний результат 68,3 на восьми научных бенчмарках в описанной ими схеме оценки. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

MiniCPM5-1B-Turkish — чат-модель, опубликованная пользователем thealper2 и созданная на основе openbmb/MiniCPM5-1B. Она предназначена прежде всего для следования инструкциям на турецком языке, диалогов, ответов на вопросы и генерации кода по запросам на турецком языке; поддержка английского языка сохранена. Модель обучена методом полного supervised fine-tuning на 195 876 примерах, включая общие турецкие инструкции, диалоги, задачи программирования и Python-код. Модель использует архитектуру LlamaForCausalLM (MiniCPM5) и содержит 1 080 632 832 параметра. Основной язык — турецкий, дополнительный — английский. Во время обучения использовалась длина последовательности 2048 токенов, тогда как базовая модель заявляет контекст до 131 000 токенов; поэтому характеристики длинного контекста для этой версии не подтверждены. Доступны форматы Transformers и GGUF, включая варианты BF16, Q4_K_M, Q5_K_M и Q8_0, что делает модель подходящей для локального запуска и edge-сценариев. Сильные стороны модели — специализация на турецких инструкциях и кодогенерации, полный fine-tuning и сравнительно небольшой размер, позволяющий запускать её на ограниченных ресурсах. Ограничения включают размер в 1B параметров, возможные галлюцинации и ограниченную фактическую точность; ошибки и особенности синтетических или собранных обучающих данных могли перейти в модель. В отдельных тестах отмечены возможные регрессии в генерации JavaScript-кода и англоязычном программировании. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed2 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-last-third-sft-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-last-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-last-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.

Trendyol-LLM-7b-chat-v1.0-GGUF — это набор GGUF-квантизированных версий диалоговой языковой модели Trendyol LLM v1.0, разработанной Trendyol и подготовленной квантизатором tolgadev. Модель основана на Mistral 7B, использует авторегрессионную оптимизированную transformer-архитектуру и обучалась с применением DPO и библиотеки Hugging Face TRL. Репозиторий содержит варианты с разрядностью от 2 до 6 бит и предназначен для запуска локально через совместимые клиенты и библиотеки, включая LM Studio, LoLLMS Web UI и Faraday.dev. Модель принимает и генерирует только текст. Заявлены поддерживаемые языки Turkish и English; основной сценарий — диалоговая генерация текста и другие задачи, подходящие для чат-модели. Размер исходной модели — 7 млрд параметров. В зависимости от варианта файлы занимают примерно 2,59–5,61 ГБ, а максимальная требуемая оперативная память составляет около 4,88–8,15 ГБ. В README не указано значение максимальной длины контекста. Сильная сторона репозитория — широкий выбор уровней квантизации: Q4_K_M рекомендован как сбалансированный вариант, а Q5_K_M — как вариант с очень низкой потерей качества. Более компактные варианты требуют меньше памяти, но могут значительно ухудшать качество; наиболее качественные варианты требуют больше ресурсов. Модель распространяется по лицензии Apache-2.0.

whisper-small-Kurdish-Sorani-10 — дообученная модель OpenAI Whisper Small с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров. Она предназначена для автоматического распознавания речи, прежде всего на курдском языке сорани. На оценочном наборе указаны WER 13,1989 и орфографический WER 14,4007. Модель принимает аудио и выдаёт текст; в карточке не описаны условия записи, состав обучающих данных или дополнительные ограничения. Распространяется по лицензии Apache-2.0.

Whisper Small Malayalam — модель распознавания речи, созданная Kavya Manohar дообучением openai/whisper-small на наборе Common Voice 13. Она предназначена для преобразования речи на малаялам в текст. Модель содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration; веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. На указанном в карточке наборе оценки модель получила значение WER 86,1789 и loss 0,5060. Эти результаты характеризуют только приведённую оценку и не гарантируют точность на других записях; подробности условий оценки в карточке отсутствуют.

chuuhtetnaing/whisper-small-myanmar — модель распознавания речи на основе Whisper Small, дообученная разработчиком на датасете chuuhtetnaing/myanmar-speech-dataset-openslr-80. Она принимает аудио и предназначена для преобразования речи на мьянманском языке в текст; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров. Модель доступна в формате safetensors и рассчитана на использование через Transformers. На оценочном наборе указаны loss 0,1904 и WER 49,065%. Лицензия — Apache-2.0. Метаданные не приводят длину контекста; качество распознавания может различаться для аудио, не похожего на обучающие данные.

Whisper Small Myanmar Partial Freezing — дообученная модель распознавания речи на основе Whisper Small от OpenAI, предназначенная для транскрибирования речи на бирманском языке. Она принимает аудио и выдаёт текст; в карточке описано частичное замораживание энкодера: слои 0–7 оставались замороженными, а слои 8–11 энкодера и все слои декодера обучались. Для бирманской тональной речи применялись изменение скорости аудио и аугментация спектрограммы с сохранением частот основного тона. В README приведены результаты на тестировании: CER 17,94%, WER 56,31% и точное совпадение предложения 2,06%; качество может различаться на других данных и условиях записи. Модель содержит 153,1 млн параметров по метаданным каталога и распространяется в формате safetensors под лицензией Apache-2.0.

osiria/deberta-italian-question-answering — модель DeBERTa-v2 для ответов на вопросы на итальянском языке. Она дообучена для извлечения ответа из предоставленного контекста на датасете SQuAD-IT; версия 3.0 также проходила последовательное дообучение на английском SQuAD v2, итальянском SQuAD и его варианте в нижнем регистре. Модель насчитывает 151,8 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для сценариев, где вопрос и ответный фрагмент находятся в переданном тексте: например, для поиска фактов в документах или ответов по материалам базы знаний. В README приведены результаты версии 3.0 на тестовом наборе SQuAD-IT: F1 81,01 для текста с учётом регистра и 80,74 без учёта регистра. Если нужной информации в контексте нет, модель всё равно может выдать ответ, который окажется неверным. Качество также ограничено особенностями SQuAD-IT, значительная часть которого получена машинным переводом. Модель выпущена под лицензией MIT.

Falcon2-11B-vlm — мультимодальная модель компании TII с 11 млрд параметров. Она построена на дообученной для диалога языковой модели Falcon2-11B и использует визуальный энкодер CLIP ViT-L/14; для изображений высокого разрешения применяется динамическое кодирование, помогающее распознавать мелкие детали. Модель предназначена для ответов на вопросы об изображениях и других сценариев взаимодействия с изображениями и текстом. Она обучалась на более чем 5 трлн токенов RefinedWeb и отобранных корпусах, а визуальные возможности добавлены обучением на парах изображение—текст. Основной язык — английский; заявлена также поддержка немецкого, испанского, французского, итальянского, португальского, польского, нидерландского, румынского, чешского и шведского, но качество на других языках может быть ограниченным. Модель выпущена под лицензией TII Falcon License 2.0 на основе Apache 2.0 с политикой допустимого использования. Карточка предостерегает от производственного применения без оценки рисков и мер снижения вреда. Модель может наследовать стереотипы и предвзятость из веб-данных; для запуска с Transformers требуется PyTorch 2.0.

Adalberto1811/gemma-4-12b-coach-alvin — дообученная модель на базе Google Gemma 4 12B с архитектурой Gemma4UnifiedForConditionalGeneration. Она предназначена для обработки изображений и текста и относится к задаче image-text-to-text. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face; веса доступны в формате Safetensors. Модель подойдёт для сценариев, где нужно анализировать изображение и формировать текстовый ответ. Карточка не описывает специальные навыки, обучающие данные или конкретные сценарии применения. Лицензия — Apache-2.0.

illuni-llama-2-ko-7b — модель на архитектуре Llama 2, разработанная Julleong на основе beomi/llama-2-ko-7b и дообученная на датасете «개체명 사전 2022» из 모두의 말뭉치. Модель предназначена для следования инструкциям, генерации текста и ответов на вопросы; карточка предлагает шаблон запроса с инструкцией и ответом. Модель содержит 6,7 млрд параметров, принимает текст и выдаёт текст. Её контекст составляет 2048 токенов. Базовая модель ориентирована на корейский и английский языки; метаданные карточки указывают корейский язык. Модель распространяется под лицензией MIT.

Sof22/image-caption-large-copy — модель описания изображений на основе BLIP от Salesforce с визуальным энкодером ViT-Large. Она предназначена для генерации подписей к изображениям в условном и безусловном режимах; автор карточки отмечает настройку параметров генерации для увеличения длины ответа. Модель предобучена для описания изображений на датасете COCO и использует архитектуру BlipForConditionalGeneration. Модель принимает изображения и генерирует текстовые описания. В репозитории доступны форматы PyTorch и TensorFlow. Карточка не сообщает о поддерживаемых естественных языках. Лицензия — BSD 3-Clause.

INTELLECT-1-step-59200 — промежуточный контрольный чекпойнт языковой модели INTELLECT-1, созданной Prime Intellect совместно с участниками сообщества и Arcee AI. Модель обучалась с нуля; в этом чекпойнте зафиксирован шаг 59 200. Архитектура — плотная LlamaForCausalLM примерно на 9,7 млрд параметров, формат весов — safetensors. Контекст составляет 8192 токена. Модель предназначена для генерации текста на английском языке и кода. Семейство INTELLECT-1 обучалось на триллионе токенов английского текста и кода, включая веб-материалы, образовательные данные и математические тексты; для обучения применялась распределённая инфраструктура Prime. Это базовая генеративная модель, а не финальная или инструктивная версия. Промежуточный статус чекпойнта означает, что его поведение и качество могут отличаться от финальной версии INTELLECT-1; README указывает на наличие отдельной финальной и instruct-версии. Модель распространяется по лицензии Apache 2.0.

Llama-3.1-Hawkish-8B-GGUF — это квантованные версии текстовой генеративной модели mukaj/Llama-3.1-Hawkish-8B, подготовленные bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель ориентирована на работу с английским языком и предназначена для генерации текста, а также задач в области финансов, экономики, математики и рассуждений. В названии указано 8B, однако точные архитектурные характеристики и размер контекста в README не приведены. Доступны варианты от F16 до компактных квантований Q2 и IQ3, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Рекомендуемые варианты включают Q4_K_M, Q5_K_M, Q6_K и другие; некоторые сборки оптимизированы для ARM и требуют поддержки соответствующих инструкций. Модель предназначена для локального запуска через llama.cpp и совместимых приложений, включая LM Studio. Лицензия обозначена как other, без дополнительных условий в README, поэтому точные правила использования следует уточнять в источнике исходной модели.

MoLoRAG-QwenVL-3B — модель xxwu для мультимодального поиска страниц в многостраничных документах и построения ответов на вопросы по документам. Это плотная модель семейства Qwen2.5-VL с 3,1 млрд параметров и контекстом до 128 000 токенов, реализованная для Transformers и сохранённая в safetensors. Модель использует граф страниц, чтобы учитывать смысловые и логические связи между ними. Она извлекает наиболее релевантные страницы, которые затем можно передать другой большой vision-language модели для ответа на вопрос. MoLoRAG описывает как вариант без обучения, так и дообученную версию для проверки логической релевантности; данный репозиторий содержит модель для visual document retrieval. Модель предназначена для поиска информации и подготовки ответов по многостраничным документам, включая сценарии DocQA. Лицензия репозитория — MIT. Карточка не уточняет поддерживаемые языки документов и конкретные ограничения качества.

MAGAer13/mplug-owl-bloomz-7b-multilingual — мультиязычная модель семейства mPLUG-Owl для описания изображений и ответов на вопросы по ним. Карточка показывает, что модель использует архитектуру mPLUG-Owl и распространяется в формате PyTorch; разработчик модели в доступных сведениях не описан. Модель предназначена для сценариев, где нужно получить текстовое описание изображения или извлечь сведения из него с помощью вопросов на естественном языке. В метаданных указана поддержка английского, китайского, французского и японского языков, а также мультиязычность. Лицензия — Apache-2.0. Данные о числе параметров и длине контекста не приведены.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-last-third-sft-seed3-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.