IV.5Образование и развитие навыков

Marmoka-en — клиническая языковая модель на 7,5 млрд параметров, разработанная исследователями HiTZ на основе Meta Llama 3.1 8B Instruct. Модель обучена на английских медицинских корпусах с продолжением предобучения в медицинской области и примерами общих инструкций, чтобы сохранить способность следовать инструкциям. Она принимает текст и генерирует текст; заявленное окно контекста — 131 072 токена. Модель предназначена для исследовательских задач, включая ответы на вопросы по клинической тематике и оценку знаний на тестах с множественным выбором. В описанной оценке на английских клинических вопросах она сопоставима с исходной универсальной моделью или немного превосходит её. Лицензия — Apache-2.0. Оценка проводилась на коротких вопросах с автоматическими метриками, без экспертной клинической проверки; качество рассуждений и реальная медицинская компетентность этим не подтверждены. Возможны ошибки следования инструкциям и форматирования, а также смещения в медицинских ответах. Модель не предназначена для клинического применения и не должна использоваться для диагностики или выбора лечения; результаты требуют проверки квалифицированным специалистом.

MedLLM-10M — небольшая авторская языковая модель на архитектуре GPT-2, созданная Акteruzzaman Raihan Sikder с нуля для медицинских текстов. Она предназначена для исследовательских и учебных экспериментов, а также как компактная базовая модель для дальнейшей настройки и извлечения признаков из медицинских текстов. Модель имеет архитектуру GPT2LMHeadModel с 8 слоями, размером скрытого состояния 512, 8 головами внимания и контекстом до 512 токенов. В README указано около 27,7 млн параметров, включая эмбеддинги; для обучения использовались медицинская литература, статьи, клинические рекомендации и наборы вопросов и ответов. Модель рассчитана только на английский язык и распространяется в формате Safetensors по лицензии Apache-2.0. Небольшой размер позволяет запускать модель на CPU и дообучать на ноутбуке. Она не проходила обучение безопасности и может уверенно генерировать недостоверные медицинские утверждения; автор прямо запрещает использовать её для диагностики, лечения, сортировки пациентов, дозирования и клинических решений.

MedPhi-2 — языковая модель для биомедицинской области, созданная дообучением Phi-2 и предложенная в работе MedExQA. Она предназначена для генерации текста и ответов на медицинские вопросы на английском языке. Модель содержит 3,5 млрд параметров по метаданным каталога; в README указано 2,7 млрд. Архитектура — плотная PhiForCausalLM, контекст — до 2048 токенов. Модель может быть полезна для прототипирования систем ответов на клинические и биомедицинские вопросы. В карточке указана лицензия MIT. README не приводит результатов оценки качества или клинической валидации, поэтому ответы модели не следует считать медицинской рекомендацией.

MedVLThinker-7B-RL_PMC — медицинская мультимодальная модель для работы с изображениями и текстом, разработанная UCSC-VLAA на базе Qwen/Qwen2.5-VL-7B-Instruct. Модель содержит 7,1 млрд параметров и дообучена методом обучения с подкреплением на датасете PMC-VQA. Она принимает изображения вместе с текстовыми запросами и формирует текстовые ответы, в том числе в диалоговом режиме. Модель предназначена для визуальных вопросов и ответов по медицинским изображениям и для исследовательских сценариев анализа медицинского визуального материала. Архитектура Qwen2.5-VL поддерживает контекст до 128 000 токенов; в репозитории указаны веса safetensors. Лицензия — Apache-2.0. Карточка не приводит клинической валидации или сведений о пригодности ответов для принятия медицинских решений.

MMed-Llama-3-8B-EnIns — медицинская языковая модель Henrychur на архитектуре Llama 3. Это дообученная версия MMed-Llama-3-8B, дополнительно настроенная на англоязычном наборе медицинских инструкций PMC-LLaMA. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; нативная длина контекста — 8192 токена. Модель предназначена для медицинских вопросов и ответов, включая ответы на вопросы с выбором варианта, а также для оценки на англоязычных медицинских бенчмарках. Хотя базовая модель мультиязычна, эта версия дообучалась только на англоязычных инструкциях, поэтому её ответы на других языках могут быть ограничены. Распространяется в формате Safetensors по лицензии Llama 3.

Бинарный классификатор качества ответов для каскада языковых моделей, разработанный ymoslem для проекта CRE-Router. Он анализирует решение VibeThinker-1.5B задачи AIME и предсказывает, принять ответ или направить запрос более сильной модели. Модель основана на encoder-архитектуре ModernBERT-base, содержит 149 млн параметров и имеет контекст до 8192 токенов; карточка указывает английский язык и формат safetensors. Для использования нужно передать вопрос, последние 1000 слов ответа, ограниченные 4096 токенами, и число токенов в ответе в заданном обучением формате с разделителями токенизатора. На тестовой выборке из 450 ответов точность составила 0,887, а macro F1 — 0,851, однако эта выборка также применялась для ранней остановки обучения. Модель обучена на выводах именно VibeThinker-1.5B и не переносится на ответы другой компактной модели без переобучения; значительная часть сигнала связана с длиной ответа, поэтому длиновое правило следует использовать как базовый ориентир. Лицензия CC BY-NC-SA 4.0.

Patho-R1-7B — мультимодальная модель для анализа патологических изображений, разработанная авторами проекта Patho-R1. Она предназначена для ответов на вопросы по изображениям и решения задач с вариантами ответа в области патологии с использованием структурированного диагностического рассуждения. Модель создана на основе трёхэтапного обучения: продолженного предобучения на 3,5 млн пар «патологическое изображение — подпись», дообучения на 500 тыс. экспертных примеров с цепочками рассуждений и оптимизации методом Group Relative Policy Optimization. Модель использует архитектуру Qwen2.5-VL и доступна в формате safetensors для библиотеки Transformers. Она принимает изображения и текст, а выдаёт текстовые ответы; в карточке указан английский язык. Авторы сообщают о результатах на задачах с выбором ответа и визуальных вопросах, но не приводят в доступном описании численные оценки. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных версий.

Peacebell — компактная GPT-подобная авторегрессионная языковая модель на 291 млн параметров, разработанная Wayne Workman. Она обучена с нуля на материалах о Второй мировой войне и предназначена для ответов на исторические вопросы и диалога по этой теме. Модель поддерживает английский язык, использует собственный словарь SentencePiece на 28 000 токенов и контекст до 32 768 токенов; для общения применяется формат ChatML. Весовые файлы представлены в формате safetensors. Peacebell отвечает на вопросы о событиях, людях, датах и связях, ведёт многошаговый диалог и извлекает сведения из предыдущего контекста. Модель работает в закрытом режиме и не использует предоставленные источники или поиск. Лучше задавать узкие вопросы и использовать жадное декодирование с температурой 0. Лицензия — Apache-2.0. Это небольшая специализированная модель: она может уверенно сообщать ошибочные исторические сведения, особенно при генерации с ненулевой температурой, длинных диалогах и сложных рассуждениях. Она не предназначена для общего общения, не выполняет арифметические вычисления, не знает событий после обучающих данных и не гарантирует надёжных отказов от вредоносных запросов; важные факты следует сверять с источниками.

qCammel-70-x — дообученная Augtoma языковая модель на архитектуре Llama 2, предназначенная для ответов на инструкции и работы с академическими медицинскими знаниями. Модель содержит 68,7 млрд параметров и была дообучена методом QLoRA на дистиллированном наборе из 15 000 инструкций. Модель принимает текст и генерирует текст. Заявленная специализация — медицинские знания и диалоговое следование инструкциям; архитектура — авторегрессионный декодерный трансформер Llama 2, длина контекста — 4096 токенов. Карточка указывает, что для использования весов требуется принять лицензию Meta Llama 2 Community License; также упоминается доступность специальной коммерческой лицензии.

Qwen2.5-7B-Medical-O1-Reasoning — чат-модель на архитектуре Qwen2, дообученная пользователем thepoliticalscientist на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для текстовой генерации в медицинской тематике, в том числе для диалоговых ответов с рассуждениями. Английский указан среди поддерживаемых языков. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Карточка не приводит подробностей о медицинских данных обучения, проверке качества или клинической валидации.

Dayeon-Pia/Qwen3-1.7B-base-MED — текстовая генеративная модель семейства Qwen3 с 1,7 млрд параметров. Модель опубликована пользователем или организацией Dayeon-Pia на Hugging Face; в метаданных указаны библиотека Transformers, формат Safetensors и обучение с использованием SFT и TRL. Контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и может использоваться как основа для приложений, связанных с медицинскими текстами, судя по обозначению MED в идентификаторе. Возможные сценарии включают подготовку черновиков медицинских текстов, извлечение или преобразование информации и последующее дообучение под специализированные задачи. README не содержит результатов оценки, описания обучающих данных, сведений о разработчиках, языках, лицензии или подтвержденных медицинских характеристиках. Перед применением в клинических, диагностических или иных ответственных сценариях необходимы самостоятельная проверка качества, безопасности и соответствия требованиям. Лицензия в доступных данных не указана.

QuixiAI/samantha-mistral-7b — диалоговая модель-компаньон Samantha, созданная дообучением базовой Mistral-7B на наборе Samantha-1.1. По словам автора, обучение заняло два часа на четырёх GPU A100 80 ГБ и включало 20 эпох; модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM. Она предназначена для диалогов в стиле заботливого и эмпатичного собеседника, в частности для разговоров о философии, психологии и личных отношениях. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и использует формат запросов ChatML. Модель обучена на 6 000 отобранных диалогов. Автор отмечает, что она не участвует в ролевых играх, романтических или сексуальных сценариях. Это специализированный образ компаньона, а не универсальная модель для любых задач; качество ответов зависит от обучающих данных и может быть ограничено их объёмом. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

SoulX-Singer — модель синтеза поющего голоса, разработанная Soul AI Lab. Она генерирует реалистичное пение голосами ранее не встречавшихся певцов в режиме zero-shot. Управлять исполнением можно мелодией с контуром основной частоты F0 или нотами MIDI, задавая высоту тона, ритм и выразительность. Модель предназначена для синтеза вокала по тексту и музыкальным условиям, включая персонализированное создание вокальных партий и вспомогательные технологии. В README проект также заявлен для академического и образовательного применения. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. В метаданных указана поддержка английского и китайского языков. README ссылается на исследовательскую статью, но не приводит размер модели или длину контекста.

Stellar Diffusion v0.2 — модель text-to-image, созданная Rex Wang путём дообучения Stable Diffusion 1.5 на отобранных изображениях космоса. Она предназначена для генерации астрономических сцен по текстовому запросу: особенно хорошо модель создаёт туманности и галактики, а также может изображать чёрные дыры, пульсары, кометы и планеты. Поддерживаются некоторые обозначения объектов из каталогов NGC, Messier и UGC, а также запросы по космическим аппаратам и телескопам, цвету и типу небесного тела. Модель использует Stable Diffusion Pipeline и рассчитана на изображения 512×512 пикселей. Для обучения использовались изображения ESA/Hubble, ESA/Webb и NASA; версия 0.2 обучена на наборе из 264 изображений. Примеры тегов для генерации приведены в отдельном файле tags.txt. Модель распространяется по лицензии MIT. Карточка не приводит результатов формальной оценки качества; поддержка некоторых астрономических обозначений и классов описана как частичная.

FPHam/Sydney_Overthinker_13b_HF — языковая модель, разработанная автором FPHam на базе Llama 2 и дообученная на наборе загадок Riddles. Это плотная авторегрессионная модель с 12,9 млрд параметров, рассчитанная на генерацию текста и диалог в формате Alpaca; заявленный контекст — 4096 токенов. Модель предназначена для ответов на вопросы с чрезмерно аналитичным стилем: она разбирает формулировки, выявляет неоднозначности и рассматривает возможные предположения, что может быть полезно для диалоговых экспериментов и задач с загадками. Такой подход также приводит к многословным ответам и чрезмерным домыслам. В карточке приведены результаты Open LLM Leaderboard, но подробности оценки ограничены. Модель распространяется в формате Safetensors по лицензии Llama 2. README не описывает ограничения коммерческого использования, поэтому условия лицензии следует учитывать отдельно.

Wan2.1-T2V-1.3B-GGUF — это GGUF-конверсия модели Wan2.1-T2V-1.3B, разработанная samuelchristlie на основе открытой серии видеомоделей Wan от Wan-AI. Модель предназначена прежде всего для генерации видео по текстовому описанию и интегрируется с библиотекой Diffusers. Серия Wan также поддерживает генерацию видео по изображению и редактирование видео, однако README не уточняет, доступны ли эти возможности именно в данной GGUF-конверсии. Известно, что модель относится к классу text-to-video и имеет размер 1,3 млрд параметров. Формат GGUF ориентирован на более удобное распространение и использование, в том числе на потребительских GPU. В README указан английский язык, но сведения о длине контекста, архитектуре, поддерживаемых разрешениях, длительности генерируемых видео, требованиях к памяти и точных характеристиках инференса отсутствуют. Модель может быть полезна для экспериментальной генерации видеоконтента из текстовых промптов на совместимом оборудовании. К ограничениям относятся отсутствие подробных технических характеристик и результатов оценки качества, а также неопределённость относительно всех функций исходной серии в данной конверсии. Модель распространяется по лицензии Apache 2.0, как производная работа оригинальной модели.

AlayaWorld — веса для инференса модели генерации длительных интерактивных видеосцен, разработанной Alaya Lab. Репозиторий содержит единый файл merged_infer.safetensors с DiT, VAE, текстовым энкодером и энкодером истории; по метаданным модель основана на Lightricks/LTX-2.3 и доступна в формате Diffusers. Основной сценарий — генерация видео по исходному изображению. README также указывает на назначение для создания интерактивных, управляемых сцен, но не приводит подробностей об управлении или длительности генерации. Текстовый энкодер Gemma-3 и модель глубины пространственной памяти Depth-Anything-3 в набор весов не включены: их нужно получить из исходных репозиториев согласно инструкции в репозитории кода. Лицензия обозначена как other, конкретные условия использования в доступных данных не раскрыты.

Корейскоязычная экспериментальная диалоговая модель для генерации текста, созданная дообучением SKT A.X-3.1-Light с помощью LoRA и объединением адаптера с базовыми весами. Вариант обучен на смеси из 5 801 примера, где 300 строк заменены примерами базовых медицинских знаний из AIHub-71875; остальные 5 501 строка сохранены из исходной смеси. Архитектура LlamaForCausalLM не изменена, размер — 6,8 млрд параметров, формат весов — BF16 Safetensors, контекст — 32 768 токенов. Модель предназначена для исследований и контролируемой оценки корейских ответов, включая вопросы по базовым медицинским знаниям. По локальной оценке авторов, среднее значение по пяти тестовым наборам составило 43,71%; это не официальный результат лидерборда. Модель доступна через Transformers и vLLM, использует официальный шаблон чата A.X и не требует отдельного адаптера или доверия пользовательскому коду. Лицензия репозитория — Apache-2.0; для исходных данных AI Hub продолжают действовать собственные условия. Модель может выдавать фактические ошибки и не заменяет профессиональную медицинскую консультацию.

AraPoemBERT — модель семейства BERT, разработанная для работы с арабской поэзией. Она предварительно обучена на корпусе, содержащем более двух миллионов стихотворных строк, и предназначена для предсказания скрытых фрагментов текста в задаче fill-mask. Модель содержит 132,8 млн параметров, использует архитектуру BertForMaskedLM и работает с контекстом длиной до 32 токенов. Модель подходит для восстановления пропусков в арабских стихах и анализа языковых закономерностей поэтического текста. Репозиторий содержит код и результаты. Доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

tiantiaf/childvox-babblecor-babyhubert — модель классификации аудио для распознавания типов детских вокализаций и оценки зрелости речевых слогов. Она разработана Tiantian Feng и представлена в работе ChildVox, принятой на основную конференционную программу EMNLP 2026; модель дообучена на корпусе BabbleCor с использованием MarvinLvn/BabyHuBERT. Модель относит аудиофрагменты к категориям Canonical, Non-Canonical, Crying, Laughing или Junk. Canonical обозначает зрелые слоги с переходом согласный-гласный, Non-Canonical — незрелые вокализации, например отдельные гласные или согласные, а Junk включает шум, речь взрослых и неразборчивое аудио. Модель принимает аудио и выдаёт метки классов; сведения о размере и длине контекста в использованных материалах не приводятся. Модель предназначена для исследовательского анализа детских вокализаций. Карточка предостерегает от клинической диагностики, индивидуальной оценки развития без экспертной проверки, наблюдения и вмешательства в частную жизнь. Обработка записей детей требует соблюдения приватности, согласия семей и применимых этических и правовых требований. Лицензия OpenRAIL; коммерческое использование запрещено.

Code-as-World-VL-9B-GGUF — мультимодальная vision-language модель от MirroS-Lab, представленная в формате GGUF и основанная на Code-as-World-VL-9B. Базовая модель была дообучена на Qwen3.5-9B для понимания физических явлений и количественного рассуждения по изображениям и видео. Модель ориентирована на исследовательские задачи, а не на универсальный открытый диалог. Модель предназначена для анализа видео и изображений, ответов на вопросы о физических свойствах объектов, измерениях и количественных взаимосвязях, отображённых в визуальных данных. Рекомендуется обрабатывать видео с 16 кадрами; конфигурация рассчитана на фиксированное использование 16 кадров без сэмплирования. Заявленный максимальный контекст составляет 4 608 токенов. Указан английский язык, а размер модели — 9B параметров. Доступны варианты GGUF с точностями BF16, F16 и различными уровнями квантования, объёмом примерно от 4,26 до 17,9 ГБ, а также отдельные мультимодальные проекторы. К сильным сторонам относятся специализация на физическом понимании и количественном визуальном рассуждении, поддержка видео и совместимость с llama.cpp и text-generation-инфраструктурой. Ограничениями являются узкая предметная направленность, относительно небольшой контекст, зависимость от рекомендованной 16-кадровой обработки и возможная неточность результатов. Ответы необходимо проверять независимо, особенно перед применением в задачах, связанных с безопасностью. Модель распространяется по лицензии Apache 2.0 и наследует лицензионные условия базовой модели Qwen3.5-9B.

DongPo — это разговорная языковая модель для ролевого общения от QingYuYunTu, созданная глубоким дообучением Qwen/Qwen3-8B. Она имитирует манеру и исторические знания китайского поэта и мыслителя Су Ши (Су Дунпо): может обсуждать его стихи, жизнь и взгляды, а также поддерживать многораундовый диалог без отдельной ролевой системной подсказки. Веса уже настроены на роль Су Дунпо; модель рассчитана на генерацию текста на китайском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. В README заявлены более 20 тысяч примеров для настройки и намеренное ограничение знаний о современных предметах, чтобы поддерживать историческую роль. Лицензия MIT разрешает коммерческое использование, изменение и распространение при сохранении уведомления об авторских правах. Ответы могут содержать исторические неточности, смешивать детали биографий разных литераторов или воспроизводить спорные предания; README не рекомендует использовать их для серьёзных исторических исследований или обучения без проверки специалистом. Для обсуждения современных тем предназначена общая модель.

Fable 2 — небольшая языковая модель, созданная автором репозитория dreamidotme как шутливая пародия на модели, которые по умолчанию отказываются отвечать на вопросы о баснях. Это модель на 89 млн параметров с архитектурой в стиле GPT-2: 12 слоёв, 8 голов внимания и ширина 512. Она обучена с нуля на общественном достоянии — баснях Эзопа, фольклоре и другой прозе, а также на наборе данных с инструкциями в формате басен. Репозиторий содержит веса GGUF в формате F16 для запуска через llama.cpp; шаблон диалога встроен в файл модели. Модель предназначена для генерации английских басен и их моралей, а также для развлекательного диалога на эту тему. Она умеет воспроизводить характерный ритм и лексику басен и формулировать связные морали, но может путать персонажей и события разных историй, поэтому её ответы нельзя использовать как справочник. Контекст ограничен 512 токенами; модель обучена на текстах XIX и начала XX века и не проходила настройку безопасности. Лицензия — CC0 1.0.

GPT2-Medium-Arabic-Poetry — языковая модель elgeish, дообученная на арабской поэзии с текстами VI–XXI веков. Она генерирует арабские поэтические строки по заданному текстовому началу и подходит для творческого продолжения стихотворений и экспериментов с арабской поэзией. Модель основана на aubmindlab/aragpt2-medium и использует плотную архитектуру GPT-2 с контекстом до 1024 токенов. Для обучения использованы 41 922 строки, а для проверки — 9 007 строк поэтов, отсутствовавших в обучающей выборке. Поддерживаемая карточкой моделью задача — генерация текста на арабском языке. Модель распространяется по лицензии Apache-2.0. Её специализация на поэзии может ограничивать качество ответов для прозы и иных задач; README не приводит оценок качества.

Gym-Workout-Classifier-SigLIP2 — модель классификации изображений упражнений в тренажёрном зале, разработанная prithivMLmods и дообученная на основе google/siglip2-base-patch16-224. Она использует архитектуру SiglipForImageClassification и относит изображение к одному из 22 классов, включая жим лёжа, становую тягу, приседания, подтягивания и планку. Модель подходит для автоматической регистрации упражнений и распознавания активности в фитнес-приложениях, а также как вспомогательный инструмент для персональных тренеров. Она принимает изображения и выдаёт метку класса. Лицензия — Apache-2.0.

HunyuanVideo-Foley — модель Tencent Hunyuan для генерации звукового сопровождения к видео. Она предназначена для авторов видеоконтента и подходит для создания звуковых эффектов в коротких роликах, кино, рекламе и играх. По карточке модель принимает видео и текстовое описание сцены, а выдаёт синхронизированный с видео звук; в метаданных основная задача обозначена как text-to-audio, а среди языков указаны английский и китайский. Архитектура сочетает мультимодальные трансформерные блоки для совместной обработки визуального и аудиопотоков с аудио-блоками для уточнения звука. Видеокадры и текст кодируются предварительно обученными энкодерами, а для временной синхронизации используется подход на основе Synchformer. Карточка заявляет генерацию аудио с частотой 48 кГц и высокое качество, однако параметры размера модели и контекстного окна не приведены. Модель рассчитана на генерацию фоли-звука, семантически соответствующего содержимому видео и текстовой подсказке. В README заявлены хорошие результаты по качеству звука и синхронизации, но доступные фрагменты таблиц не позволяют независимо проверить эти утверждения. Для запуска рекомендованы CUDA 11.8 или 12.4 и Linux; лицензия в метаданных указана как other, поэтому конкретные права использования следует уточнять в условиях репозитория.

JapMed-DARE_TIES — диалоговая языковая модель на архитектуре Llama 3, созданная автором tiborousset слиянием моделей методом DARE TIES. В качестве базовой использована lightblue/suzume-llama-3-8B-japanese, в слияние также включена ContactDoctor/Bio-Medical-Llama-3-8B. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в формате диалога, в том числе ответов на вопросы по биомедицинским темам и на японском языке благодаря характеристикам объединённых моделей. Карточка не приводит отдельной оценки качества или подробного описания языкового покрытия. Репозиторий распространяет веса в формате Safetensors; лицензия в предоставленных данных не указана.

JapMed-TIES — объединённая диалоговая языковая модель, созданная tiborousset методом TIES с помощью mergekit. В качестве базовой модели использована lightblue/suzume-llama-3-8B-japanese, объединённая с ContactDoctor/Bio-Medical-Llama-3-8B; для биомедицинской модели указаны плотность и вес слияния 0,5. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации диалоговых ответов на японском языке и работы с биомедицинской справочной информацией. Она принимает текст и выдаёт текст; формат весов — safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

KUET_LLM_Mistral — языковая модель Md. Shahidul Salim для ответов на вопросы о Khulna University of Engineering & Technology (KUET). Она дообучена для этой задачи на базе mistralai/Mistral-7B-Instruct-v0.1; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, модель работает через Transformers и распространяется в формате safetensors. Модель рассчитана на английский язык и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых ответов на вопросы об университете, используя сведения, собранные с сайта KUET. В README упоминается набор для тестирования из 194 вопросов, составленных студентами, но метрики и результаты оценки не приведены. Лицензия в предоставленных данных не указана.

QuantFactory/Llama3-Med42-8B-GGUF — квантизированная версия Med42-v2-8B, разработанная командой M42 Health AI на базе Llama 3 8B Instruct и преобразованная с использованием llama.cpp. Модель предназначена для генерации текста и ориентирована на медицинские сценарии: ответы на вопросы о здоровье, обобщение медицинских записей, поддержку диагностического анализа и расширение доступа к медицинским знаниям. Указанный язык — английский. Модель содержит около 8 миллиардов параметров, принимает и генерирует только текст, поддерживает контекст до 8 тысяч токенов и была дообучена на примерно 1 миллиарде токенов из открытых медицинских источников, включая карточки, экзаменационные вопросы и диалоги общего назначения. Квантизация в формате GGUF может упростить локальный запуск, однако конкретный тип квантизации в README не указан. Для версии Med42-v2-8B приведён показатель Clinical Elo 924, но в документации основное превосходство над другими моделями заявлено для версии на 70 миллиардах параметров и не должно переноситься на эту модель. Модель может быть полезна для исследовательских прототипов и предварительного тестирования медицинских ассистентов, но не готова к реальному клиническому применению. Она способна генерировать ошибочную или потенциально вредную информацию и может воспроизводить смещения из обучающих данных, поэтому не должна использоваться для медицинских решений или ухода за пациентами без строгой проверки безопасности и валидации специалистами. Лицензия — Llama 3 Community License Agreement.