WEBGEN DEVSTRAL IMAGESは、ウェブページ生成に特化した人工知能モデルで、HTML、CSS、JS、Tailwind技術を利用してシングルページ型のウェブページを生成することができます。このプロジェクトはカスタムテンプレートに基づいて訓練され、監督微調整手法を採用し、GPT - OSS - 120Bで生成されたデータセットを使用して訓練されています。

自然言語処理Transformers英語

KaniTTSは高速で高忠実度のテキスト音声変換モデルで、リアルタイム対話型人工知能アプリケーション向けに最適化されています。このモデルは2段階の処理フローを採用し、大規模言語モデルと効率的なオーディオコーデックを組み合わせています。Nvidia RTX 5080で15秒の音声を生成する際の遅延は約1秒だけで、MOS自然度評価は4.3/5で、英語、中国語、日本語などの多言語をサポートしています。

音声処理Transformers多言語

これはMLXフレームワークに基づく4ビット量子化大規模言語モデルで、スイスの人工知能研究所によって開発され、多言語テキスト生成タスクをサポートし、Apache - 2.0ライセンスで公開されています。

自然言語処理Mlxその他

MolmoActはアレン人工知能研究所によって開発されたオープンソースのロボット操作動作推論モデルで、Qwen2.5 - 7BとSigLip2視覚バックボーンネットワークに基づいて構築され、家庭およびデスクトップ環境における片腕のフランカロボット操作タスクに特化して最適化されています。

マルチモーダルTransformers英語

MolmoActは、アレン人工知能研究所によって開発された完全なオープンソースのロボット操作アクション推論モデルで、Qwen2.5 - 7BとSigLip2の視覚バックボーンネットワークに基づいて構築され、家庭やデスクトップ環境でのロボット操作タスクに特化しています。

マルチモーダルTransformers英語

MolmoActはアレン人工知能研究所によって開発されたオープンソースの行動推論モデルで、ロボット操作タスクに特化しています。このモデルはQwen2.5 - 7BとSigLip2をベースに構築され、家庭およびデスクトップ環境における93種類の操作タスクで訓練され、優れた視覚 - 言語 - 行動処理能力を持っています。

マルチモーダルTransformers英語

MolmoActはアレン人工知能研究所によって開発されたオープンソースの動作推論モデルで、ロボット操作タスクに特化しています。このモデルはQwen2.5 - 7BとSigLip2ビジュアルバックボーンネットワークに基づいており、家庭およびデスクトップ環境の93種類の独特な操作タスクで訓練され、優れたビジュアル - 言語 - 動作推論性能を持っています。

マルチモーダルTransformers英語

Qwen3アーキテクチャに基づいて構築された専門モデルで、科学、人工知能設計、一般的な推論分野に特化しています。このモデルは高難度の科学推論データセットで微調整され、優れた一般的および創造的な推論能力を備え、サイズが小さく、ローカルデバイスとサーバーへのデプロイに適しています。

自然言語処理Transformers英語

これはラオス語に特化して最適化された要約生成モデルで、Google Gemma - 3 - 4B - Instructモデルをベースに、5000以上の高品質なラオス語の入力 - 出力ペアを使って微調整されており、主に人工知能とデジタルコンテンツ(AIDC)のテーマに焦点を当てています。

自然言語処理Fastaiその他

これはLLaMA - 3 - 8Bをファインチューニングした対話型人工知能モデルで、メンタルヘルス指導に対して共感的で偏見のないサポートを提供するために特別に設計されています。モデルは精心に企画されたメンタルヘルスデータセットを使用してファインチューニングされ、思いやりのある、支援的な返答を提供し、治療的対話を模倣することができます。

自然言語処理Transformers英語

MedVAL-4Bは微調整された言語モデルで、医師レベルに近い信頼性で人工知能が生成した医学テキスト出力を評価することができます。これは自己教師付きフレームワークで、合成データを利用して評価器の大規模言語モデルを訓練し、医師のラベルや参照出力なしで大規模言語モデルが生成した医学出力と入力の間の事実の一致性を評価します。

自然言語処理Transformers多言語

WangchanLION-v3-ITは、VISTECとシンガポールの人工知能会社が共同開発した多言語大規模言語モデルで、タイ語に特化して命令調整を行っています。このモデルはLlama3アーキテクチャに基づいており、約376万個のタイ語の命令 - 完成ペアを使用して微調整され、英語とタイ語の処理をサポートしています。

自然言語処理Transformers多言語

Llama-3.1-8B-Instruct-RM-RB2はAllen人工知能研究所が公開した報酬モデルの一つで、Llama-3.1-8B-Instructをベースに微調整され、生成モデルの嗜好学習を評価および最適化するために使用されます。

自然言語処理Transformers英語

Llama-3.1-70B-Instruct-RM-RB2はアレン人工知能研究所が発表した7つの報酬モデルの1つで、ベンチマークテストの開発と下流のPPO/Best-of-N性能との関連分析に使用されます。

自然言語処理Transformers英語

FastwebMIIAはFastwebによって開発された70億パラメータのイタリア人工知能モデルで、イタリア語と英語用に設計され、長文書処理をサポートしています。

自然言語処理Transformers多言語

Cosmos-Reason1はNVIDIAが開発した物理人工知能モデルで、物理常識を理解する能力を備え、長鎖思考推論により具身決定を生成できます。このモデルはマルチモーダル入力（テキスト + ビデオ/画像）をサポートし、出力はテキストで、ロボットや自動運転などの物理AI分野に適しています。

マルチモーダルTransformers英語

BGE-M3は北京智源人工知能研究院によって開発された多言語テキスト埋め込みモデルで、100種類以上の言語の密集検索、多ベクトル検索、疎検索の3種類の検索方式をサポートしています。このモデルはMTEBベンチマークテストで優れた成績を収め、多言語テキストの類似度計算と検索タスクを効果的に処理することができます。

自然言語処理Transformers多言語

Cosmos-Predict2は、物理感知を持った画像、ビデオ、世界状態を生成するために設計された一連の高性能事前学習世界基礎モデルで、物理人工知能の開発に使用できます。

マルチモーダルDiffusers

Llama-3-3Bアーキテクチャをベースにした命令ファインチューニングモデルで、対話、推論、ロールプレイなどのタスクをサポートし、汎用人工知能アシスタントシナリオに適しています。

自然言語処理Gguf英語

OLMo 2 1Bはアレン人工知能研究所が公開したオープン言語モデルシリーズの中で最小のモデルで、OLMo-mix-1124で事前学習され、中間トレーニング段階でDolmino-mix-1124データセットが使用されました。

自然言語処理Transformers英語