IV.9Медиа, журналистика, культура, архивы и игры

Экспериментальный чекпойнт R4 команды DAIR для LM Playschool Challenge 2026 — второй этап дообучения методом DPO базовой Qwen/Qwen3.5-2B. Модель с архитектурой Qwen3.5 dense и 1,7 млрд параметров предназначена для диалоговых игровых задач; в README описана настройка на компетентность в таких играх с использованием корректирующей обратной связи и предпочтений ответов. Метаданные указывают поддержку чата и контекст до 262 144 токенов. Для обучения использовали 201 пару предпочтений: 107 пар, основанных на разных результатах собственных запусков модели, и 94 пары с успешными ответами более сильной модели для случаев, где оба запуска завершились неудачей. На валидационном разбиении в зафиксированной среде чекпойнт получил clemscore 67,64; авторы отмечают, что преимущество над предыдущим этапом укладывается в вариативность между запусками. Это исследовательский экспериментальный чекпойнт, а не универсальная модель для диалога. Распространяется по лицензии Apache-2.0.

zlsl/l_soft_erotic_tm-16bit — версия модели zlsl/l_soft_erotic_tm в формате float16, опубликованная сообществом. Это языковая модель семейства GPT-2 на базе Transformers, предназначенная для генерации русскоязычного эротического текста и ролевых диалогов. Модель принимает текст и генерирует текст; в метаданных указан контекст 2048 токенов. Карточка описывает исправление совместимости с text-generation-webui: для загрузки токенизатора предлагается задать eos_token_id равным 2. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и распространяет условия лицензии на производные работы, а также ограничивает коммерческое использование.

juancopi81/mutopia_guitar_mmm — дообученная автором GPT-2 для генерации музыки для гитары. Модель использует архитектуру GPT2LMHeadModel и представляет MIDI-композиции в виде текстовой последовательности на основе кодирования MMM; для токенизации применяется WhitespaceSplit. В метаданных указан контекст 1024 токена, а в README описан размер контекста 256; автор также указывает словарь из 588 токенов. Модель обучена на сольных гитарных произведениях из Mutopia Guitar Dataset, преимущественно на западной классической музыке композиторов Sor, Aguado, Carcassi и Giuliani. Она предназначена для экспериментов с генерацией музыкальных последовательностей и для учебных проектов, показывающих подготовку данных, обучение токенизатора и дообучение GPT-2. Автор сообщает о сильном переобучении на небольшом наборе данных, поэтому качество и разнообразие генерации ограничены. Лицензия в предоставленных сведениях не указана. Это образовательный эксперимент, обученный на бесплатном Colab; результаты можно преобразовать в звучащую музыку с помощью упомянутого автором блокнота.

Noromaid-v0.1-mixtral-8x7b-v3 — экспериментальная текстовая модель генерации, созданная IkariDev и Undi на основе Mixtral. Авторы обучали её на изменённых наборах данных для ролевых диалогов, включая откровенные сценарии и ответы с ослабленной цензурой. Модель использует архитектуру Mixtral MoE и принимает текстовые запросы в формате Instruction/Input/Response; контекст составляет до 32 768 токенов, размер модели по метаданным — 7,1 млрд параметров. Модель предназначена прежде всего для ролевых и эротических диалогов. В README авторы предупреждают, что она экспериментальная, рекомендуют использовать специальный формат промпта и не обещают стабильной работы. Репозиторий содержит веса FP16 в формате PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

Ericu950/oga-macronizer-char — небольшая символьная модель для разметки долготы древнегреческих гласных. Она определяет фонемную долготу α, ι и υ в случаях, когда её нельзя установить по стандартному греческому письму, и служит корпусно-обобщающим дополнением к правиловому grc-macronizer. Модель разработана на основе небольшого трансформерного энкодера примерно с 1 млн параметров; вход обрабатывается на уровне символов с учётом букв и диакритики. Длина контекста — 512 токенов. Обучающие метки получены из вывода правилового макронизатора, применённого к корпусу Opera Graeca Adnotata. Модель также обучалась работать с текстом без части диакритики. В README сообщается о проверке на 17 произведениях Norma Syllabarum Graecarum: точность с метрикой, где неразмеченная позиция считается краткой, составила 89,89%, при этом модель оставила без ответа 9 из 2 957 позиций. Модель предназначена для макронизации древнегреческих текстов; она распространяется по лицензии GPL-3.0.

Это обученный агент PPO для игры Huggy, опубликованный пользователем codiefz. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым персонажем в среде Huggy; репозиторий содержит модель в формате ONNX. Агент принимает состояние игровой среды и выдает действия для управления персонажем. Карточка описывает возможность продолжить обучение и просматривать игру агента в браузере. Данные о лицензии и численных характеристиках модели не приведены.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy в Unity ML-Agents. Она принимает наблюдения игрового окружения и выдаёт действия агента, позволяющие ему играть; модель можно использовать для просмотра игры и продолжения обучения в ML-Agents. В репозитории есть файл в формате ONNX. Карточка не сообщает размер модели, контекст или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

Это обученный агент PPO, созданный пользователем vans0905 для игры Huggy с помощью библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy; её можно запускать для просмотра поведения или использовать как основу для продолжения обучения. В репозитории представлен файл в формате ONNX. Агент принимает состояние среды и выдаёт управляющие действия; конкретные представления входа и действий в карточке не описаны. Данных о лицензии, размере модели, поддерживаемых естественных языках и ограничениях применения нет.

Это обученный агент PPO для игры SnowballTarget, опубликованный Tripura8928. Модель создана с использованием библиотеки Unity ML-Agents и представлена в формате ONNX. Она предназначена для управления игровым агентом в среде SnowballTarget и может использоваться для наблюдения за его игрой или продолжения обучения через ML-Agents.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed3-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-last-third-v2-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-last-third-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-second-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

strand828/Qwen3_8b_Heretic_Astria-Q5_K_M — китайская диалоговая модель, созданная на основе Qwen3-8B и дообученная автором карточки методом SFT с QLoRA на небольшом наборе многоходовых разговоров в стиле ShareGPT. В процессе также применялась модификация весов в стиле heretic/decensor; LoRA-адаптер объединили с базовой моделью, затем преобразовали и квантовали в GGUF Q5_K_M для локального запуска через llama.cpp и совместимые среды. Модель содержит около 8,2 млрд параметров и поддерживает контекст до 40 960 токенов. Она рассчитана прежде всего на китайский ролеплей, короткие повседневные беседы и диалоги с эмоциональным компаньоном: стиль описан как мягкий, прямой, милый и искренний, с лёгкой роботизированной манерой общения. Карточка указывает китайский и английский языки, но основное назначение — разговоры на китайском. Лицензия — Apache-2.0. Модель не предназначена для повышения общих знаний и не гарантирует надёжность фактических ответов. Карточка не рекомендует полагаться на неё в медицинских, юридических, финансовых и других критически важных вопросах или применять в производстве без дополнительной оценки; обучающий набор в репозитории отсутствует.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-inoculation-prompting-rerun-e9d315a-20260809 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Scarlett's Opus — мультимодальная модель на 27 млрд параметров, созданная Linux4life как двухэтапное слияние трёх моделей Qwen3.8-27B: ReadyArt/Dark-Scarlett-27B-v2.0, allura-org/Qwen3.8-27B-Dominatrix и Jackrong/Qwopus3.8-27B-Flash. Она предназначена для взрослого ролевого общения, поддержания сцены и ответов на сообщения и изображения. Модель сохраняет зрительную часть и поддерживает работу с изображениями при загрузке файла mmproj; README также сообщает о сохранённой черновой голове MTP. Для диалогов используется шаблон Qwen3.8 ChatML, а автор рекомендует низкий уровень рассуждений. Репозиторий содержит GGUF-файлы в вариантах BF16, Q4_K_M, Q6_K и Q8_0. Модель ориентирована на англоязычные ролевые сценарии с контентом 18+; метаданные указывают Apache-2.0. Качество и поведение могут зависеть от корректного шаблона чата и наличия файла mmproj для обработки изображений; README не приводит доступных здесь численных результатов оценивания.

Это диффузионная модель для безусловной генерации изображений бабочек, созданная как учебная работа в рамках курса по диффузионным моделям. Она предназначена для создания изображений без текстового запроса; в README приведён пример запуска через DDPMPipeline из библиотеки Diffusers. Модель распространяется в форматах Diffusers и SafeTensors по лицензии MIT.

Модель safakhan2025/sd-class-butterflies-32 — диффузионная модель, созданная в рамках первого блока учебного курса по диффузионным моделям. Она предназначена для безусловной генерации изображений милых бабочек: пользователь запускает DDPMPipeline из библиотеки Diffusers и получает изображение без текстового запроса. Модель распространяется в формате Diffusers с весами Safetensors по лицензии MIT. Модель специализируется на изображениях бабочек; README не сообщает размер, разрешение, набор данных или количественные оценки качества. Она не принимает текстовые подсказки и не предназначена для универсальной генерации изображений.

Novaciano/SEX_ROLEPLAY-3.2-1B-mlx-fp16 — версия модели Novaciano/SEX_ROLEPLAY-3.2-1B, преобразованная в формат MLX с помощью mlx-lm 0.22.1. Это плотная причинно-языковая модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов. Она предназначена для генерации откровенных ролевых диалогов и повествования, в том числе в сценариях общения через SillyTavern и KoboldCpp. Модель принимает текст и генерирует текст; в карточке указаны английский и испанский языки. Базовая модель описана как слитая версия Llama 3.2 1B, дообученная для многоязычного ролевого общения. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Версия MLX рассчитана на использование в экосистеме Apple MLX.

Stoicheia — модель для восстановления повреждённых текстов на древнегреческом языке, выпущенная анонимно вместе со статьёй, находящейся на рецензировании. Это дообученная версия Stoicheia-doc_clean: чекпойнт не обучался на документах, идентификаторы PHI/TM которых оканчиваются цифрой 1. Модель использует символьный masked-diffusion энкодер с 405 млн параметров, размерностью 1024 и 32 слоями; три из каждых четырёх блоков внимания работают в окне 256 символов, а четвёртый использует глобальное внимание. Вход модели разделён на пять синхронизированных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Каждый слой можно независимо маскировать, чтобы подавать отредактированный текст, слитное письмо без пробелов или лакуны неизвестной длины. Модель предназначена для восстановления надписей и папирусов; для известных пропусков в README предлагается указывать дефисом каждый отсутствующий символ, а для пропусков неопределённой ширины — диапазон вида [N±M]. Модель ориентирована на специализированную филологическую работу с древнегреческими документами; заявленный раздельный выпуск чекпойнтов позволяет выбрать вариант, который не обучался на конкретном документе из соответствующего набора. README не приводит оценки качества. Лицензия — Apache-2.0.

Stoicheia-restoration-test8 — анонимно выпущенная модель для восстановления повреждённых древнегреческих надписей и папирусов. Это символьный masked-diffusion encoder на 405 млн параметров с архитектурой char_bert: размерность 1024, 32 слоя и полосное внимание, где три из четырёх блоков используют окно в 256 символов, а каждый четвёртый — глобальное внимание. Вход кодируется в пяти выровненных плоскостях: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Каждую плоскость можно независимо маскировать, поэтому модель рассчитана на восстановление текста с лакунами известной или неопределённой длины, а также на работу с отредактированным текстом и scriptio continua. Чекпойнт дообучен от Stoicheia-doc_clean; при обучении исключались документы, идентификаторы PHI/TM которых оканчиваются на 8, чтобы выбранный чекпойнт не видел проверяемый документ. Модель выпущена анонимно вместе со статьёй, находящейся на рецензировании. Репозиторий распространяется по лицензии Apache-2.0. Описанное назначение ограничено древнегреческими документальными текстами; сведений о качестве восстановления или независимых оценках в карточке нет.

Stoicheia — модель на 405 млн параметров для совместной разметки и синтаксического анализа древнегреческих текстов. Это символьный энкодер с masked-diffusion и разреженным вниманием: три из каждых четырёх блоков работают в окне 256 символов, а каждый четвёртый учитывает весь текст. Вход разделён на пять выровненных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация. Каждый слой можно независимо заменить явным значением «неизвестно», поэтому модель рассчитана на работу с редакторским текстом, слитным написанием без пробелов и лакунами неизвестной длины. За один проход по общей основе Stoicheia-doc_clean выдаёт факторизованную XPOS-разметку, леммы по скрипту редактирования, вспомогательную UPOS-разметку и зависимости с помощью biaffine-парсера. Модель предназначена для задач классической филологии и анализа древнегреческих корпусов. Релиз анонимный и сопровождает статью на рецензировании; лицензия — Apache-2.0. README не описывает оценку качества.