IV.5Образование и развитие навыков

ImageInception/ArtifyAI-v1.0 — модель генерации изображений по тексту, созданная дообучением Stable Diffusion v1.4 на подмножестве COCO. Она принимает текстовые описания сцен, объектов и концепций и создаёт соответствующие изображения; модель предназначена для визуализации идей и творческих проектов. В карточке указано обучение на 5000 изображениях COCO; репозиторий содержит веса в форматах Diffusers и Safetensors. Метаданные указывают английский язык. Лицензия и ограничения по контексту в предоставленных данных не описаны.

BioMistral-merged-zephyr — языковая модель на архитектуре Mistral, созданная Arcee AI слиянием весов BioMistral-7B и zephyr-7b-beta методом TIES на базе mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов, в том числе на медицинские вопросы и вопросы по медицинским экзаменам. В README приведены результаты на PubMedQA, MedMCQA и USMLE, а также на общих тестах ARC Challenge и HellaSwag; эти оценки не гарантируют точность в реальной клинической практике. Условия лицензирования в предоставленных данных не указаны.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_ppl_b4000_s0 — дообученная плотная языковая модель Qwen3 для генерации текста. Она основана на Qwen/Qwen3-4B-Base и содержит 3,7 млрд параметров; модель поддерживает контекст до 32 768 токенов и работает через Transformers. По названию обучающего набора модель адаптирована на смеси научных материалов из веба и Stack Exchange, поэтому её можно применять для генерации и продолжения текстов на научные темы. README не приводит сведения об оценке качества, конкретных сценариях использования или ограничениях после дообучения. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

ChemVLM-26B — мультимодальная модель команды AI4Chem для диалоговой работы с химическими изображениями и текстом. Это дообученная на основе ChemLLM-20B и InterViT-6B модель семейства InternVL Chat; карточка предлагает запуск через библиотеку Transformers. Модель предназначена для сценариев, где нужно подать изображение вместе с текстовым запросом и получить текстовый ответ. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Данных о размере контекста и поддерживаемых естественных языках в предоставленной карточке нет.

DuplexJev-B-Para-Whisper-small-Falcon-H1-1.5B — аудиоязыковой коннектор для коротких решений по речи и определения паралингвистических признаков. В модели замороженный энкодер Whisper-small передаёт аудиопризнаки замороженной Falcon-H1-1.5B-Instruct через обучаемый проектор SwiGLU с укладкой кадров; обучаемая часть содержит 29,4 млн параметров. Для типизированного вопроса модель оценивает варианты ответа распределением по одному токену, без генерации последовательности. Модель предназначена для коротких вопросов по аудиоклипам, включая речевые вопросы-ответы, классификацию эмоций и определение характеристик голоса. В README приведены результаты на небольших тестах устной речи, а также измерения задержки: модель может быть медленной на CPU без специальных Mamba-ядер и требует отдельной строки для каждого вопроса. Поддерживаются китайский и английский языки согласно метаданным. Ограничения включают оценку преимущественно на прочитанной или сыгранной речи, небольшие тестовые наборы и отсутствие оценки потокового ввода. Модель слабо отвечает на вопросы, требующие общих знаний; автор также предостерегает от использования меток эмоций для решений о людях. Коннектор работает только с указанными энкодером и языковой моделью. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями некоммерческого характера.

IntelliTex — экспериментальная компактная языковая модель на архитектуре T5, дообученная автором на базе Salesforce/codet5p-220m. Она преобразует краткие описания математических выражений на естественном английском языке, в том числе сформулированные в разговорном стиле, в одну формулу LaTeX. Репозиторий содержит модель с 123,7 млн параметров в формате safetensors; нативная длина контекста — 512 токенов. Модель предназначена для черновой генерации уравнений и экспериментов с компактными моделями для специализированного преобразования текста. В описанных испытаниях дообучение повышало точность на тесте Speech2LaTeX, а дополнительное доменное обучение помогало на длинных входах и целевых формулах. Результат следует проверять: на длинных формулах точное совпадение оставалось низким, а автор не рекомендует полностью автоматическую генерацию без проверки. Лицензия — MIT.

JiviMed — медицинская языковая модель, разработанная Jivi AI для задач в биомедицине и науках о жизни. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; в метаданных указано 7,5 млрд параметров и контекст до 8192 токенов. Модель использует формат safetensors и поддерживает диалоговое взаимодействие на английском языке. По README, модель дообучена на основе Meta-Llama-3-8B с медицинскими данными и стратегией ORPO; в описании также приведены параметры LoRA. Она предназначена для генерации медицинских и биомедицинских текстов, а также ответов на вопросы в этой области. README сообщает о результатах на медицинских бенчмарках, но эти заявления не подтверждены независимой оценкой. Модель не заменяет профессиональную медицинскую консультацию, а качество ответов и применимость к клиническим решениям следует проверять. Условия лицензии в предоставленных данных не указаны.

Модель ale045/kaggle_math_model_v3 — дообученная автором ale045 языковая модель семейства Llama для генерации текста. Она основана на unsloth/llama-3-8b-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL; в карточке указана задача text-generation. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для репозитория указаны формат Safetensors и лицензия Apache-2.0. Модель предназначена для генерации текста по текстовому запросу; название репозитория указывает на математическую тематику, однако карточка не описывает конкретные математические навыки или результаты. Известные по метаданным языки карточки — английский. Подробные сведения о качестве, обучающих данных и ограничениях для математических задач не приведены.

KIDSILLUSTRATIONS (также COOLKIDSV1) — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec на Hugging Face. Она создана как объединённый LoRA на основе Stable Diffusion и предназначена для иллюстраций в стиле детских книг. Веса доступны в форматах Diffusers, PyTorch и safetensors; в модель встроен VAE Waifu 1.4 для более насыщенных цветов. Модель подходит для создания детских книжных иллюстраций по текстовым запросам. Карточка не приводит размер модели, длину контекста, список языков или подробности базовой модели. Лицензия — CreativeML Open RAIL-M; её условия следует учитывать при использовании и распространении результатов.

KUCIecareCRABAlbertBaseFinetuned — дообученная модель на базе Ariffiq99/e_care_CRAB_COPA_albert_base_finetuned для задач с выбором одного ответа из нескольких вариантов. Она использует архитектуру ALBERT и содержит 136,3 млн параметров; максимальная длина контекста — 512 токенов. Модель может оценивать предложенные варианты и выбирать наиболее подходящий ответ. В README приведены результаты на оценочной выборке: loss 1,3258 и F1 0,3692. Данные обучения не описаны, поэтому эти показатели не позволяют судить о качестве в конкретных сценариях. Модель распространяется по лицензии Apache-2.0.

Music Flamingo — разработанная NVIDIA большая аудиоязыковая модель для понимания музыки и песен. Она принимает аудио и текстовые запросы, а в ответ формирует текст; поддерживает разбор песен и инструментальных произведений, ответы на вопросы и рассуждения о гармонии, структуре, тембре, текстах песен и культурном контексте. Модель построена на архитектуре Transformer и Audio Flamingo 3: использует аудиоэнкодер AF-Whisper, MLP-адаптер и языковую основу Qwen2.5-7B. Размер — 8 млрд параметров. README указывает обработку аудио длительностью до 20 минут, текстовый ввод до 24 000 токенов и текстовый вывод до 2 048 токенов; метаданные каталога задают нативный контекст в 1 200 токенов. Поддерживается английский язык. Модель предназначена для исследователей и разработчиков, в том числе для музыкальных вопросно-ответных систем и интерактивных помощников по работе с музыкой. Модель распространяется по лицензии типа other, а карточка ограничивает её использование некоммерческими исследованиями. Для запуска рекомендуется NVIDIA A100 или H100; в README также указана поддержка Linux и Transformers. Перед применением в конкретном продукте требуется проверка на соответствующих сценариях и данных.

Proctora — экспериментальная языковая модель со смешанной экспертной архитектурой (MoE) на базе Mixtral. Автор собрал её с помощью mergekit из OpenPipe/mistral-ft-optimized-1227 и двух экспертных моделей: SanjiWatsuki/Kunoichi-7B для ролевых сценариев и samir-fama/SamirGPT-v1 для фактических ответов. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для генерации текста, в частности для ролевых игр и оценки ответов по заданным рубрикам. Автор отмечает, что она хорошо учитывает ограничения персонажей и игровых способностей, сохраняет роль и может принимать целенаправленные решения в сценарии. Результат 71,88 на OpenLLM Leaderboard не обязательно отражает эти специализированные качества. Модель описана как uncensored, поэтому ответы могут включать нежелательный контент. Доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

unsloth/Qwen2.5-Math-1.5B-bnb-4bit — 4-битная версия базовой модели Qwen2.5-Math-1.5B, разработанной командой Qwen. Модель предназначена прежде всего для решения математических задач на английском и китайском языках, включая сценарии с пошаговым рассуждением Chain-of-Thought (CoT) и Tool-integrated Reasoning (TIR). Это базовая, а не диалоговая instruction-модель, поэтому она подходит для генерации продолжений, few-shot-инференса и дальнейшего дообучения. Модель содержит 1,5 млрд параметров и работает с текстовыми входными данными; поддержка других модальностей не заявлена. Ключевая особенность семейства Qwen2.5-Math — сочетание рассуждений на естественном языке с использованием инструментов для более точных вычислений, символьных преобразований и алгоритмических операций. 4-битное представление bnb уменьшает требования к памяти и может упростить запуск на доступном GPU, однако README не приводит точные показатели качества или производительности именно для этой сборки. Модель специализирована на математике и не рекомендуется разработчиком для других задач. Для работы требуется transformers версии 4.37.0 или новее. Модель распространяется по лицензии Apache-2.0.

copperscout1/vitpose-plus-base — форк модели ViTPose+ Base, подготовленный для развёртывания через Hugging Face Inference Endpoints. Базовая модель разработана командой ViTAE-Transformer; в карточке также указаны авторы Yufei Xu, Jing Zhang, Qiming Zhang и Dacheng Tao. Форк добавляет обработчик запросов, а модельные веса происходят от usyd-community/vitpose-plus-base. Модель оценивает позу человека по изображению: находит ключевые точки тела, например плечи, локти, запястья, бёдра, колени и лодыжки. Использует обычный Vision Transformer в качестве основы и лёгкий декодер для оценки позы. При запросе можно передать изображение по URL или в base64; детектор людей запускается автоматически, но его можно пропустить, указав рамки людей. MoE-эксперты ViTPose+ поддерживают наборы COCO, AIC, MPII, AP-10K, APT-36K и COCO-WholeBody. В метаданных указан английский язык карточки, однако модель анализирует изображения и не требует текстового ввода. Модель подходит для анализа положения тела на изображениях и может служить компонентом систем отслеживания упражнений, движений или действий. В README приведён результат 81,1 AP на тестовом наборе MS COCO Keypoint. Этот показатель не гарантирует такое же качество на других данных; модельный форк предназначен для инференса через Endpoints. Лицензия — Apache-2.0.

AstroSage-70B — языковая модель AstroMLab для вопросов и ответов по астрономии, астрофизике, космологии, космической науке и астрономическим приборам. Это авторегрессионный трансформер на архитектуре Llama 3.1 с 69,5 млрд параметров; модель дообучена на астрономической литературе и инструкционных данных, а выпущенная версия объединена с несколькими вариантами Llama. Она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Контекст модели составляет до 131 072 токенов по метаданным; для тонкой настройки использовались последовательности длиной 8 192 токена. Основной язык карточки — английский. Модель предназначена для научных справок и объяснений, ответов на профильные вопросы, помощи в обзоре литературы, обсуждения исследовательских идей и программирования для анализа астрономических данных. Она также подходит для обучения и образовательных сценариев. Лицензия — Llama 3.1 Community License. Модель может выдавать правдоподобные, но неверные утверждения; научные ответы следует проверять. Её знания об астрономических публикациях охватывают период до января 2024 года, поэтому она не учитывает более поздние результаты.

ColorfulXL-Lightning — диффузионная модель генерации изображений по тексту от AiArtLab, дообученная на основе ColorfulXL. В версии 1.6 объединены модифицированные UNet-версии Lightning от ByteDance, а также используется обученный текстовый энкодер и собственный VAE. Модель рассчитана на быстрый художественный рендеринг: поддерживает разрешения примерно от 576 до 1280 пикселей и работу с нулевым или низким CFG. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна. Карточка отмечает хорошее следование промпту и способность передавать чистые белые и чёрные цвета. Лицензия запрещает использование модели за API-сервисами; по вопросам коммерческого лицензирования предлагается обращаться к разработчику. Качество фотореализма ограничено, модель может ошибаться при генерации лиц и людей, а также при выполнении сложных композиционных запросов. Она плохо создаёт читаемый текст и не предназначена для точного воспроизведения реальных людей или событий; VAE вносит потери.

JSL-MedMNX-7B-v2.0 — медицинская языковая модель John Snow Labs на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации ответов в диалоге, включая ответы на медицинские и биомедицинские экзаменационные вопросы; карточка приводит результаты оценки на биомедицинских бенчмарках, в том числе MedMCQA. Модель поддерживает английский язык и контекст до 8192 токенов. Модель создана слиянием dmis-lab/meerkat-7b-v1.0 и johnsnowlabs/JSL-MedMNX-7B. Доступна по лицензии CC-BY-NC-ND-4.0; для коммерческого использования необходимо согласовать лицензию с John Snow Labs. Приведённые результаты бенчмарков не гарантируют точность ответов в клинической практике.

Карточка модели ale045/kaggle_math_model_v2 на Hugging Face совпадает с карточкой ale045/kaggle_math_model_v3, поэтому описание составлено по ней. Модель ale045/kaggle_math_model_v3 — дообученная автором ale045 языковая модель семейства Llama для генерации текста. Она основана на unsloth/llama-3-8b-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL; в карточке указана задача text-generation. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для репозитория указаны формат Safetensors и лицензия Apache-2.0. Модель предназначена для генерации текста по текстовому запросу; название репозитория указывает на математическую тематику, однако карточка не описывает конкретные математические навыки или результаты. Известные по метаданным языки карточки — английский. Подробные сведения о качестве, обучающих данных и ограничениях для математических задач не приведены.

Severian разработал эту разговорную языковую модель для генерации идей и анализа сценариев на стыке биомиметики, изменения климата и теоретической астробиологии. Модель обучена на 35 тысячах примеров набора I.M.P.A.C.T.S. и предназначена для исследовательских, учебных и творческих задач: от обсуждения климатической адаптации и экологических последствий до проектирования устойчивых поселений и моделирования возможной внеземной жизни. В метаданных модель отнесена к семейству Mixtral и архитектуре MoE, указаны 7,5 млрд параметров и контекст до 65 536 токенов; карточка README описывает вариант с двумя экспертами и приводит размер 8 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык. Доступна под лицензией MIT. Карточка сообщает о первоначальных тестах, но не приводит количественных оценок качества. Ответы могут отражать пробелы и смещения обучающих данных, поэтому их следует проверять, особенно перед использованием для решений в области экологии, политики или инженерии.

Karamaru — разговорная языковая модель Sakana AI, дообученная на базе elyza/Llama-3-ELYZA-JP-8B. Для неё провели дополнительное предобучение на корпусе японских текстов эпохи Эдо объёмом около 25 миллионов символов, включая расшифрованные исторические тексты и материалы, полученные с помощью OCR. Модель принимает вопросы на современном японском и отвечает в стиле классического японского языка эпохи Эдо, учитывая культурный контекст того времени. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; контекст составляет 8192 токена. Она предназначена для изучения исторического японского языка, образовательных занятий и культурного исследования. Выпускается под лицензией Llama 3 Community License. Тексты эпохи Эдо могут отражать устаревшие нормы и предубеждения, поэтому ответы могут быть неуместными или оскорбительными по современным меркам.

Mistral-Military-24B — плотная языковая модель на 24 млрд параметров, выпущенная Racine.ai для тематики обороны и безопасности. Она основана на Mistral-Small-3.1-24B: веса дообучены на примерно 4 млрд токенов открытых материалов военной тематики, после чего объединены методом TIES с инструкционной версией базовой модели для сохранения диалоговых возможностей. Модель предназначена для исследовательской и образовательной работы с военной доктриной НАТО и Франции, военной историей, оборонной политикой, техникой и профильной терминологией. В карточке заявлена специализация прежде всего на французском языке; обучающий корпус охватывает 30 языков, включая английский, русский, китайский, немецкий и другие. На Hard Mil Bench модель показала 57,6% против 50,9% у базовой модели. Репозиторий содержит веса Safetensors для библиотеки Transformers. Разработчик указывает исследовательское и образовательное назначение и исключает поддержку выбора целей, интеграцию в системы управления огнём и автономное оружие. Результаты модели требуют проверки человеком. Лицензия — Apache-2.0.

lllyx/Qwen3-1.7B-SFT — языковая модель, разработанная на основе Qwen3-1.7B-Base и дообученная методом полного supervised fine-tuning. В README не указана отдельная организация-разработчик; модель связана с исследовательской работой «Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe», авторами которой являются Yaxuan Li и соавторы. Модель предназначена прежде всего для математического рассуждения, решения задач и следования инструкциям в математическом домене. Она обучена на датасете lllyx/OpenThought3-Qwen3-4B, содержащем математические запросы и ответы, сгенерированные Qwen3-4B в режиме без рассуждений; данные были очищены от дубликатов, повторяющихся и вырожденных ответов. Во время обучения режим thinking был отключён. Ключевые характеристики: архитектура и точное число параметров унаследованы от Qwen3-1.7B-Base, размер модели составляет около 1,7 млрд параметров, поддерживаются английский и китайский языки, заявлена длина контекста до 20 480 токенов. Модель относится к классу text-generation и ориентирована на текстовую модальность. Сильной стороной является специализация на математических задачах и reasoning после SFT, однако README не содержит количественных результатов оценки, поэтому превосходство над базовой моделью подтвердить нельзя. Лицензия указана как other; её конкретные условия не раскрыты.

SejongKRX/Sejong-Qwen-v1은 한국의 KRX 금융·경제 분야에 초점을 맞춘 Qwen2.5 기반 언어 모델로, SejongKRX가 개발했습니다. 모델은 Qwen2.5-7B를 금융 관련 데이터로 추가 학습했으며, 크기는 7.1 млрд параметров이고 поддерживает контекст до 131072 токенов. Репозиторий содержит веса PyTorch и safetensors. Модель предназначена для генерации текста и ответов на вопросы по финансовой тематике на корейском языке. В обучении использовались данные Wikipedia, открытые данные Банка Кореи, набор open-perfectblend и Financial-MMLU-KO. Лицензия модели — Apache 2.0; README также указывает условия использования исходных наборов данных, которые следует учитывать при применении и распространении модели.

TypLens V1.1 — модель с архитектурой vision-encoder-decoder для преобразования изображения печатной математической формулы в исходный код математической разметки Typst. Её разработчик — dbcccc. Модель содержит 29,2 млн параметров и рассчитана на распознавание одного фрагмента формулы за запрос; полные документы она не обрабатывает. Для запуска в браузере доступны графы ONNX в FP32 и компактном варианте с динамическими INT8-весами; также предоставлены веса safetensors. Лицензия — MIT. Модель принимает изображение в оттенках серого размером 384×384 после предусмотренной авторами предобработки и выдаёт текст Typst. В проверке на 135 изображениях из набора разработки Typst успешно скомпилировался для всех примеров, а 127 результатов были признаны соответствующими изображениям. Эта оценка не является независимым тестовым результатом, а точность компактной версии отдельно не измерялась. Модель дообучена на основе breezedeus/pix2text-mfr-1.5 с использованием собственного словаря вывода Typst. Она предназначена для формул, набранных печатным способом; рукописный ввод, мобильная работа и производительность WebGPU не оценивались. Ошибки возможны при распознавании мелких диакритических знаков, похожих символов, индексов и сложных блочных матриц, поэтому результат следует проверять.

Это модель автоматического распознавания речи на основе Wav2Vec2 Large XLSR-53, дообученная автором rabah2026 на датасете Quran-Ayah-Corpus. Она предназначена для распознавания чтения Корана в стилях таджвид и муратталь и поддерживает запись арабского текста в османском письме, включая специальные символы ٱ и ٰ. Модель содержит около 402,7 млн параметров и принимает аудио, выдавая распознанный текст на арабском языке. В README заявлена частота ошибок слов около 4% на 10 000 образцах знакомых чтецов и около 6% для незнакомых; точность сегментации по аятам может превышать 99% и зависит от используемого скрипта сегментации. Модель выпущена под лицензией Apache-2.0. Результаты могут отличаться для иных чтецов и условий записи; заявленная точность сегментации зависит от внешней обработки.

BeingWell_llama2_7b — медицинская разговорная модель Sirius27, дообученная на архитектуре Llama 2 с 6,6 млрд параметров. Она генерирует текст и предназначена для ответов на вопросы по материалам экзамена USMLE и для диалогов врача с пациентом. Модель принимает текст и выдаёт текст. Она рассчитана на английский язык, имеет контекстное окно 4096 токенов и распространяется в формате PyTorch по лицензии OpenRAIL. Датасеты включают медицинские вопросы и ответы, а также диалоги врача и пациента.

AmberYifan/capsd-medcase-marin-8b-base-medicine_random_b4000_s0 — дообученная модель семейства Llama на базе marin-community/marin-8b-base. По названию датасета обучение связано с медицинскими клиническими случаями; модель предназначена для генерации текста в медицинском контексте, например для подготовки черновиков ответов или разбора описаний случаев. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors. Она принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Базовая модель описана как англоязычная, но отдельные сведения о языках дообучения отсутствуют. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием и правообладателем. README не приводит результаты оценки и предупреждения о клиническом применении.

EuroLLM-9B-MeditronFO — медицинская языковая модель, разработанная LiGHT как часть семейства Fully Open Meditron. Это дообученная версия EuroLLM-9B-Instruct на открытом медицинском корпусе Fully Open Meditron из 601 тыс. примеров, включая вопросы и ответы, материалы по клиническим рекомендациям и клинические сценарии. Модель использует архитектуру Llama с 8,6 млрд параметров и контекстом до 4096 токенов; предназначена для диалогов и генерации текста на медицинские темы. Модель подходит для ответов на медицинские вопросы, поддержки обучения и оценки на медицинских бенчмарках, а также для разбора клинических сценариев. В карточке приведены результаты на MedMCQA, MedQA и PubMedQA. Обучающие данные, рецепт обучения и веса заявлены как открытые; лицензия — Apache 2.0. Модель может выдавать фактически неверные, непоследовательные или предвзятые ответы. Она предназначена для вспомогательного использования и оценки медицинских задач, а не для принятия решений без проверки специалистом.

ostris/ikea-instructions-lora-sdxl — адаптер LoRA для генерации изображений на базе stabilityai/stable-diffusion-xl-base-1.0. Модель ориентирована на стиль иллюстрированных инструкций IKEA и может создавать изображения по текстовым описаниям объектов, сцен, персонажей или последовательностей действий. Адаптер предназначен для text-to-image сценариев: можно задавать простые промпты вроде «hamburger» или описывать шаги, которые должны быть показаны на изображении. Специальное trigger word не требуется. Согласно README, хорошо работает с весом 1.0 при использовании базовой модели SDXL 1.0; негативные промпты обычно не нужны, хотя слова «blurry» и «low quality» могут улучшать результат. Ключевые ограничения связаны с зависимостью от базовой модели SDXL и форматом LoRA: адаптер не является самостоятельной генеративной моделью и требует совместимого пайплайна. README не приводит точные сведения о размере адаптера, поддерживаемых языках, длине контекста, датасете или систематически измеренных показателях качества. Лицензия указана как other, без дополнительных условий в представленном описании.

Meerkat-70B v1.0 — медицинская диалоговая модель семейства Meerkat, разработанная на основе Meta-Llama-3-70B-Instruct и дообученная на синтетических цепочках рассуждений из 18 медицинских учебников и наборах инструкций. Это плотная авторегрессионная модель Llama с 69,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса в формате Safetensors. Модель предназначена для ответов на медицинские вопросы, решения экзаменационных заданий с выбором ответа, включая USMLE, MedQA, MedMCQA и медицинские разделы MMLU, а также для следования разнообразным пользовательским инструкциям. В README описано формирование пошаговых рассуждений и выдача итогового ответа. Модель рассчитана прежде всего на английский язык. Карточка описывает оценку на медицинских бенчмарках, но это не подтверждает клиническую надёжность ответов. Для воспроизведения результатов авторы рекомендуют использовать системные сообщения из обучения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.