これはMCG - NJU/videomae - baseモデルを未知のデータセットで微調整した動画理解モデルで、20エポックの学習を経て、評価セットで13.31%の正解率を達成しました。このモデルは動画分析タスクに特化して最適化されています。

コンピュータビジョンTransformers

Atom-Olmo3-7Bは、Olmo-3-7B-Instructをベースにファインチューニングされた言語モデルで、協調型問題解決と創造的な探索に特化して設計されています。このモデルは、複雑な問題を扱う際に、熟慮された構造化分析を提供し、同時に魅力的な会話スタイルを維持し、Apache 2.0オープンソースライセンスを持っています。

自然言語処理Transformers英語

サイバーブレインは、コンテスト（CTF）の挑戦やネットワークセキュリティタスクに特化して微調整された大規模言語モデルです。Llama - 3.1 - 8B - Instructアーキテクチャに基づいており、CTFの問題解決、セキュリティ脆弱性の分析、リバースエンジニアリングや暗号学的挑戦に対応し、倫理規範に沿った脆弱性利用推論を提供します。

自然言語処理Safetensors多言語

NV-Reason-CXR-3B GGUFはNVIDIA NV-Reason-CXR-3Bビジュアル言語モデルの量子化バージョンで、エッジデバイスへのデプロイに最適化されています。これは30億パラメータのモデルで、胸部X線分析に特化しており、GGUF形式に変換され、量子化処理が施されているため、モバイルデバイス、デスクトップデバイス、組み込みシステムで効率的に動作します。

マルチモーダルGguf英語

このモデルはVideoMAEアーキテクチャに基づく暴力検出モデルで、Kineticsデータセットで事前学習した後、暴力検出タスクに対して92エポックの微調整を行っています。モデルはVision Transformerアーキテクチャを採用し、ビデオコンテンツ分析に特化しており、ビデオ内の暴力行為を識別することができます。

コンピュータビジョンTransformers

Qwen3-VLはアリババが開発した最新世代のビジュアル言語モデルで、テキスト理解、ビジュアル認知、空間理解、ビデオ分析、エージェントインタラクションなどの分野で著しい向上が見られます。このモデルはマルチモーダル入力をサポートし、強力な推論能力と長文脈処理能力を備えています。

マルチモーダルTransformers

Qwen3-VL-TimeTravelは、Qwen3-VL-8B-Instructモデルをベースに、Unslothライブラリを使用してMBZUAI/TimeTravelデータセットで微調整したバージョンです。このモデルは、歴史文物画像の説明を生成するために特別に設計されており、歴史および文化文物の分析において専門的な能力を持っています。

マルチモーダルTransformers英語

Qwen3-VL-30B-A3B-Instruct-AWQはQwen3-VLシリーズの量子化バージョンで、強力なビジュアル言語処理能力を備え、画像理解、ビデオ分析、マルチモーダル推論などのタスクをサポートします。このモデルは、テキスト理解、ビジュアル感知、空間理解、長文脈処理などの面で顕著な向上が見られます。

マルチモーダルTransformers

Qwen3-VL-4B-Instructは、アリババクラウドのQwenチームが開発した40億パラメータの命令調整済みマルチモーダル大規模言語モデルで、高通NPU用に最適化されており、強力なビジュアル言語理解能力と対話微調整機能を融合させ、チャット推論、文書分析、ビジュアル対話などの実際のアプリケーションシーンに適しています。

マルチモーダルGguf

bert-micro-cybersecurityは、ネットワークセキュリティのテキスト分類タスク用に設計されたコンパクトなトランスフォーマーモデルで、脅威検出やイベントレポート分析などに使用でき、英語とインドネシア語をサポートします。

自然言語処理Transformers多言語

Apriel-1.5-15b-ThinkerはServiceNowが開発した150億パラメータのマルチモーダル推論モデルで、テキストと画像の推論能力を備え、その性能は10倍大きいモデルに匹敵します。人工分析指数で52点を獲得し、企業分野のベンチマークテストで優れた成績を収めています。

マルチモーダルTransformers

YOLOv11アーキテクチャに基づく3種類の文書レイアウト分析モデル（nano、small、medium）で、DocLayNetデータセットで微調整され、文書内のテキスト、表、グラフなど11種類のレイアウト要素を正確に検出でき、文書理解と情報抽出タスクに適しています。

Qwen2.5-VL-7B-Instructはアリババの通義千問チームによって開発されたマルチモーダル視覚言語モデルで、70億のパラメータ規模に基づき、視覚的質問応答タスクに特化して最適化トレーニングが行われています。このモデルは画像内容を理解し分析し、正確な自然言語の回答を生成することができます。

マルチモーダルSafetensors英語

Qwen3-4B-Thinking-2507をベースに微調整された専門のデータサイエンスエージェントモデルで、Jupyterノートブック環境に特化して最適化されており、Pythonコードを実行し、データセットを分析し、段階的な推論を行うことができます。

自然言語処理Transformers多言語

Lightning-4bは、ローカルデバイスのデータ分析タスク用に設計・学習された言語モデルで、16GBメモリのノートパソコンでもスムーズに動作し、データを大規模言語モデルプロバイダーに送信する必要がなく、データのプライバシーとセキュリティを確保します。

自然言語処理Transformers英語

これはDistilBERTを微調整したメンタルヘルス分類モデルで、ソーシャルメディアのテキスト（ツイートやRedditの投稿など）に含まれるメンタルヘルス関連の信号を分析するために特化しています。このモデルはテキストをうつ病、不安、自殺念慮、快楽、中性/日常の5つのカテゴリに分類でき、メンタルヘルス問題のリスクのある個人を識別するのに役立ちます。

自然言語処理Transformers英語

これはGLM-4.5-Airに基づくテキスト生成モデルで、MLXフレームワーク向けにmxfp4量子化最適化が行われています。このモデルは、複数の量子化バージョン（mxfp4、qx64、qx5-hi）の性能比較分析を提供し、さまざまなタスクシナリオでのモデル選択の根拠を提供します。

自然言語処理Mlx多言語

Neeto-1.0-8b-GGUFは、S4nfs/Neeto-1.0-8bをベースにした量子化バージョンで、医学試験の準備や医学アプリケーションに特化して設計されています。このモデルはllama.cppを使用して作成され、医学データセットで厳密に訓練され、医学試験の準備、症例分析、医学推論などの医学関連タスクに特化しています。

自然言語処理Transformers英語

これはLLaMA 3.1ベースの80億パラメータのネットワークセキュリティ専用モデルで、8ビット量子化処理が施され、脅威インテリジェンスの要約、脆弱性分類、イベント分析などのネットワークセキュリティタスク向けに設計されています。

自然言語処理Transformers英語

Schematron-3BはInference.netが開発した長いコンテキストを扱う抽出モデルで、ノイズの多いHTMLをカスタムパターンに合致したクリーンで型付けされたJSONに変換することに特化しています。このモデルは、ウェブページの収集、データの取り込み、および任意のページを構造化レコードに変換するために特別にトレーニングされており、データ処理と分析に効率的な解決策を提供します。

自然言語処理Transformers