IV.5Образование и развитие навыков

DeepSeek-V4-Pro-Qwen3.5-4B — компактная модель рассуждений на 4 млрд параметров, созданная Jackrong на основе Qwen3.5-4B от Unsloth. Она дообучена методом SFT с использованием дистиллированных ответов DeepSeek-V4-Pro в режиме Max Effect и примерно 250 тысяч примеров по математике и естественным наукам. Архитектура — плотная Qwen3.5; модель предназначена для диалога и генерации текста. В карточке указаны английский и китайский языки, а базовая Qwen3.5 также поддерживает понимание изображений; возможности обработки изображений этой производной модели отдельно не описаны. Модель рассчитана на пошаговое решение математических и STEM-задач с декомпозицией и проверкой решения. В README приводятся результаты GSM8K и выборок MMLU-Pro по математике, физике и химии; сообщается об оценке GGUF-сборки MTP-Q8 с контекстом 64K на слот. Карточка также описывает дообучение через Unsloth LoRA с последующим слиянием в BF16. Лицензия — Apache-2.0. Разработчик характеризует выпуск как экспериментальный. Возможны галлюцинации, арифметические ошибки и сбои на сложных или неоднозначных задачах; оценка MMLU-Pro охватывает выборки, а не полные разделы. Специализированных данных для программирования не было, а перенос навыков программирования и вызова инструментов не подтверждён. Важные результаты следует проверять независимо.

DistilGPT2-TinyStories — языковая модель на архитектуре GPT-2, созданная дообучением DistilGPT2 на наборе TinyStories. Она предназначена для генерации коротких простых историй для детей и может использоваться для создания сюжетных заготовок и упражнений на творческое письмо. Модель работает с текстом, имеет контекстное окно 1024 токена и распространяется в формате safetensors по лицензии MIT. Размер базовой модели DistilGPT2 — 82 млн параметров.

Модель thatsnovaa/ielts-writing-examiner-qwen-merged — дообученная версия Qwen2.5-3B-Instruct, предназначенная для генерации текста в чате. Название указывает на сценарий проверки письменных ответов IELTS, однако карточка не описывает конкретные критерии оценивания или формат обратной связи. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Модель обучена с использованием Unsloth и библиотеки TRL; файлы представлены в формате safetensors. Лицензия — Apache-2.0.

ZeroLoss-Lab разработала Innospark-72b-safety — модель для безопасной генерации текста в образовательном сценарии. Это плотная причинно-языковая модель Qwen2ForCausalLM на 71,5 млрд параметров, основанная на Qwen/Qwen2.5-72B и дополнительно обученная с помощью обучения с подкреплением для безопасного согласования ответов. Модель входит в проект InnoSpark-Safety, который также предусматривает проверку пользовательского ввода, аудит ответов и совместимый с OpenAI API прокси. Модель предназначена для диалоговых приложений и генерации текста с акцентом на безопасные ответы в образовательной среде. Она принимает текст и выдаёт текст, поддерживает английский и китайский языки, а максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors; метаданные указывают библиотеку Transformers и интерфейс для вызова инструментов. В карточке указана лицензия Apache-2.0. Модель не заменяет отдельные компоненты проверки входных запросов и аудита готовых ответов, предусмотренные рамкой безопасности; конкретные показатели качества и гарантии безопасного поведения в доступных данных не приведены.

Instella-3B-Math — языковая модель AMD с 3 млрд параметров, предназначенная для математических задач и пошаговых рассуждений. Это дообученная версия amd/Instella-3B-Instruct с архитектурой InstellaForCausalLM; модель принимает текст и генерирует текст. Она обучалась в несколько этапов: на математических примерах с учителем и с подкреплением по алгоритму GRPO. Для обучения использовались наборы OpenMathInstruct-2, AM-DeepSeek-R1-Distilled-1.4M, Big-Math-RL-Verified, DeepMath-103K и DeepScaleR-Preview-Dataset. Модель подходит для решения математических задач, подготовки разборов и развёрнутых цепочек рассуждений, в том числе для задач повышенной сложности. Контекст составляет до 32 768 токенов. В метаданных указан английский язык; заявленные мультиязычные возможности не проверялись. AMD выпустила веса, код обучения и наборы данных в открытом доступе. Лицензия обозначена как other, поэтому условия использования следует уточнить в материалах репозитория. Авторы предупреждают, что модель предназначена для исследований и не гарантирует точность или безопасность ответов.

InternLM2-Math-20B — двуязычная языковая модель для математических рассуждений, разработанная командой InternLM. Это дообученный вариант InternLM2-Base: модель продолжительно обучали на математических текстах, а затем на размеченных задачах на китайском и английском языках. Архитектура — плотная causal language model InternLM2 с 19,3 млрд параметров; контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для решения и пошагового объяснения математических задач, генерации простых доказательств и кода Lean 3, проверки рассуждений и подготовки синтетических математических примеров. Также описана поддержка сценариев с code interpreter и оценки цепочек рассуждений, однако эти возможности не гарантируются для каждой задачи. Основные языки — китайский и английский; Lean используется как язык формализации доказательств. В карточке отмечены пропуски вычислительных шагов, слабые результаты на китайских заданиях с заполнением пропусков и английских задачах с выбором ответа, а также переключение языков и склонность предлагать Code Interpreter для китайских задач. Качество возможностей Lean ограничено простыми задачами типа GSM8K и не гарантируется. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

InternLM2-Math-Base-20B — базовая математическая языковая модель семейства InternLM2, разработанная командой InternLM. Модель продолжительно предварительно обучена на InternLM2-Base примерно на 100 млрд математических токенов, а семейство также включает версии, дообученные на двуязычных математических инструкциях. Этот репозиторий содержит базовый чекпойнт с архитектурой InternLM2ForCausalLM и 19,3 млрд параметров. Модель предназначена для генерации рассуждений и решений математических задач на китайском и английском языках. Семейство также ориентировано на доказательства, проверку решений, создание математических задач и генерацию простого кода Lean 3; базовая версия может требовать дополнительного промптинга или дообучения для таких сценариев. Контекст составляет 8192 токена. Весовые файлы представлены в формате safetensors. Известные ограничения включают пропуск вычислительных шагов, ошибки на некоторых китайских задачах с заполнением пропусков и английских задачах с выбором ответа, а также переключение языков. Возможности Lean ограничены отдельными типами задач, а качество не гарантируется. Лицензия указана как other, поэтому перед использованием следует проверить условия лицензирования в карточке модели.

Llama3.1-8B-K12KGraph — текстовая модель Meta Llama, дообученная автором репозитория полным supervised fine-tuning на данных K12-Train проекта K12-KGraph. Чекпойнт предназначен для ответов на вопросы по материалам школьного образования K–12 и исследований рассуждений с опорой на знания, извлечённые из графов знаний. Модель использует архитектуру LlamaForCausalLM и содержит около 8 млрд параметров; метаданные указывают контекст до 131 072 токенов, а README сообщает, что при подготовке данных использовалось окно 32 768 токенов. Доступен самостоятельный чекпойнт Transformers в формате safetensors, обученный в bfloat16; базовые веса отдельно загружать не требуется. Модель рассчитана на китайский и английский языки. Для использования действуют Llama 3.1 Community License и Acceptable Use Policy; необходимо также учитывать условия лицензий обучающих и оценочных данных. Ответы могут содержать ошибки, быть неполными или галлюцинированными, а качество за пределами школьной тематики может снижаться; модель не следует считать авторитетным источником для решений с высокими последствиями.

Llama-3.2V-11B-cot — мультимодальная модель для работы с изображениями и текстом, созданная на основе Meta Llama 3.2 11B Vision Instruct и дообученная автором Xkev на наборе LLaVA-CoT-100k. Модель предназначена для диалогов, ответов на вопросы об изображениях и пошаговых визуальных рассуждений. Модель использует архитектуру mllama и содержит 11 млрд параметров. Она принимает изображения и текстовые запросы и генерирует текстовые ответы; в карточке указана поддержка английского языка. Для воспроизведения результатов автор рекомендует параметры генерации с выборкой и ограничение ответа до 2048 новых токенов. В бенчмарках приведены результаты на MMStar, MMBench, MMVet, MathVista, AI2D и Hallusion. Модель распространяется по лицензии Apache-2.0; README также требует соблюдать политику допустимого использования Meta для базовой Llama 3.2. Среди ограничений отмечены возможная генерация предвзятого или оскорбительного контента и недостаточный по сравнению с ведущими промышленными моделями уровень следования инструкциям.

Llemma 7B — языковая модель для математических задач, созданная командой авторов, перечисленных в карточке модели. Она основана на весах Code Llama 7B и дообучена на 200 млрд токенов корпуса Proof-Pile-2; архитектура — плотная LlamaForCausalLM с 6,6 млрд параметров. Модель предназначена для математических рассуждений с пошаговым выводом, решения задач и применения вычислительных инструментов, включая Python и системы формальной проверки теорем. В оценках авторов Llemma 7B показала сильные результаты на задачах математических рассуждений и STEM по сравнению с Llama 2 и Code Llama аналогичного размера. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Карточка указывает лицензию Llama 2. Результаты оценок не гарантируют точности в произвольных задачах, а сама модель может ошибаться в вычислениях и рассуждениях.

Карточка модели MathLLMs/MathCoder-VL-2B на Hugging Face совпадает с карточкой MathLLMs/MathCoder-VL-8B, поэтому описание составлено по ней. MathCoder-VL-8B — мультимодальная модель семейства InternVLChat, разработанная MathLLMs для решения математических задач по изображениям и тексту. Она дообучена на базе OpenGVLab/InternVL2-8B и предназначена для общего математического решения задач, включая вопросы по диаграммам, графикам, геометрическим рисункам и другим визуальным материалам. Модель принимает изображения и текстовые запросы и формирует текстовые ответы с математическими рассуждениями. В метаданных указаны архитектура InternVLChat, формат safetensors, библиотека Transformers и поддержка английского языка. Распространяется по лицензии Apache-2.0. Карточка рекомендует использовать код обучения и вывода InternVL; подробности контекстного окна и дополнительные ограничения не приведены.

modrill/math-nothink-omi-qwen3-4b — плотная языковая модель семейства Qwen3, дообученная разработчиком методом полного SFT на базе Qwen/Qwen3-4B-Base. Она предназначена для генерации ответов на математические задачи с кратким ходом рассуждений без специальных блоков «thinking». Обучение проведено на 49 909 примерах из OpenMathInstruct-2; использовались два эпоха обучения и шаблон qwen3_nothink. Модель содержит 3,7 млрд параметров, работает с текстом и имеет контекст до 32 768 токенов. Она подходит для решения и объяснения математических задач в диалоговом формате. В метаданных указана лицензия Apache-2.0. Карточка не приводит результатов оценки качества, поэтому точность на конкретных типах задач не установлена.

Карточка модели mergekit-community/mergekit-slerp-ghxdzjf на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-hwgrlbs на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-jfynlwk на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-jgwqzez на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-llfrpky на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-lnhotro на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-nfoezyj на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-ovodfvr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-qamquir на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-qzxjuip на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-rfdxiqs на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-ryidhrq на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-sictdhe на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-tejngyg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-urmzxzt на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели meta-math/MetaMath-70B-V1.0 на Hugging Face совпадает с карточкой meta-math/MetaMath-7B-V1.0, поэтому описание составлено по ней. MetaMath-7B-V1.0 — языковая модель семейства LLaMA, разработанная авторами MetaMath и дообученная для решения математических задач. Она обучена на MetaMathQA — дополненных тренировочных данных GSM8K и MATH; README указывает, что тестовые наборы при создании этих данных не использовались. В карточке также описана версия MetaMath-Llemma-7B на базе Llemma-7B, но связь этого чекпойнта с указанной базовой моделью не подтверждена метаданными. Модель предназначена для генерации ответов и рассуждений при решении задач по математике, включая задачи в стиле GSM8K и MATH. Это плотная архитектура LlamaForCausalLM с 6,6 млрд параметров, контекстом 4096 токенов и форматом PyTorch. Лицензия указана как llama2. README приводит результат Pass@1 30,0 на MATH для версии на базе Llemma-7B; этот показатель нельзя уверенно приписать именно репозиторию MetaMath-7B-V1.0.

MetaMath-Mistral-Pro — языковая модель TencentARC, дообученная на наборе математических задач MetaMathQA и основанная на Mistral-Pro. Это плотная авторегрессионная модель семейства Mistral с 8,9 млрд параметров, предназначенная для генерации текста и решения задач по математике. Модель принимает текстовые запросы и генерирует текстовые ответы; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

CorticalStack/mistral-7b-metamathqa-sft — модель Mistral для генерации текста, дообученная методом supervised fine-tuning на наборе MetaMathQA от meta-math. Она предназначена для ответов на математические вопросы и решения задач в диалоге. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка указывает LoRA-параметры: r=256, alpha=128, dropout=0; в репозитории представлены веса safetensors. Модель может быть полезна для получения пошаговых решений и объяснений по математическим задачам. Базой для дообучения была 4-битная версия unsloth/mistral-7b-bnb-4bit. Лицензия — Apache-2.0. Карточка не сообщает о дополнительных ограничениях качества или безопасности.