Olmo-3-7B-Instruct-AIO-GGUFは、Allen Institute for AIが開発したOlmo-3-7B-InstructモデルのGGUF量子化バージョンです。これは70億パラメータの自己回帰型言語モデルで、Tulu 2やUltraFeedbackなどのデータセットで教師付き微調整と直接的な嗜好最適化を行って訓練され、質問応答と指令の遵守において優れた性能を発揮します。

自然言語処理Transformers英語

このプロジェクトは、事前学習言語モデル融合技術を使用して作成された医学分野のモデルです。複数の医学関連の事前学習モデルを融合することで、医学質問応答タスクに特化して最適化され、医学シーンでの性能と効果が向上しています。

自然言語処理Safetensors英語

これはGoogle Gemma - 3 - 4B - ITモデルを微調整したテキスト生成モデルで、デモンストレーションテンプレートのメタデータに基づいて多様で関連性のある検索クエリを生成するために特別に設計されています。このモデルはLoRAアダプタを使用して効率的に微調整されており、構造化文書のフィールド適応型密集検索フレームワークの重要な構成要素です。

自然言語処理Safetensors英語

BR-RMは革新的な2ラウンド推論報酬モデルで、適応的分岐と分岐に基づく反省メカニズムにより、従来の報酬モデルにおける「判断拡散」の問題を解決し、複数の報酬モデリングベンチマークテストで業界をリードする性能を達成しました。

自然言語処理Transformers英語

MERaLiON-SER-v1はパラメータ効率的な多言語音声感情認識モデルで、7種類の離散的感情カテゴリと連続的な感情次元値を同時に予測できます。このモデルはWhisper-Mediumエンコーダをベースに構築され、LoRA適応技術を採用し、多言語音声感情認識タスクで優れた性能を発揮します。

音声処理Transformers多言語

Qwen3-14Bは強力な言語モデルで、テキスト生成分野で優れた性能を発揮します。このモデルは優れた汎用能力を備え、微調整に適した指令バリアントを提供しており、モデルのさらなる最適化と応用に便利をもたらします。

自然言語処理Transformers

ArcMindはArcDevsによって開発された次世代の対話モデルで、自然なインタラクション、適応型インテリジェンス、コンテキストの正確性に焦点を当て、ユーザーにシームレスで人間に似た対話体験を提供することを目的としています。

自然言語処理Transformers英語

これはLiquidAIのLFM2-1.2B-RAGモデルのGGUF量子化バージョンで、検索強化生成(RAG)タスクに特化して最適化されています。このモデルは様々な量子化処理が施されており、bf16からQ2_Kまでの複数の量子化レベルを提供し、さまざまなハードウェア条件と性能要件に対応しています。

自然言語処理Gguf

google/medgemma-4b-itをベースに微調整されたバージョンで、OMAMA 256×256データセットでの二元乳房X線画像分類に特化しています。このモデルはLoRA（低ランク適応）を使ってパラメータを効率的に調整し、乳がん分類タスクで優れた性能を発揮し、ベースモデルの12%から95%に精度が向上しました。

マルチモーダルTransformers英語

Granite 4.0 H-Small (FP8)は、IBMが開発したGraniteシリーズの言語モデルの小型FP8量子化バージョンで、専門的、正確、かつ安全な応答を提供するために設計されています。このモデルはFP8精度フォーマットを採用し、性能を維持しながら推論効率を最適化しています。

自然言語処理Transformers

Alisia-7B-itは7Bパラメータに基づくテキスト生成モデルで、テキスト生成推論、質問応答、事実検証、推論などのタスクに特化して最適化されています。本プロジェクトでは、モデルの性能とリソース要件をバランスさせるために、このモデルの複数の静的量子化バージョンを提供しています。

自然言語処理Transformers多言語

これはopenai/gpt-oss-20bをベースに医療分野で微調整されたLoRAアダプターモデルで、医療質問応答、摘要生成、知識検索などのタスクに特化して最適化されています。このモデルは、効率的なパラメータ微調整技術を用いて、200億パラメータのベースモデルの汎用推論能力を維持しながら、医療分野での性能を向上させています。

自然言語処理Peft

NexaAI/Qwen3-0.6BはQwen3シリーズに基づく0.6Bパラメータの言語モデルで、推論、指令の遵守、多言語対応などの面で優れた性能を発揮します。思考モードと非思考モードのシームレスな切り替えをサポートし、複雑な論理推論と効率的な汎用対話に適しています。

自然言語処理Gguf

RedQueen Llama 3.2 3Bは僧伽羅語用に設計された生成型質問応答モデルで、二段階の微調整プロセスを採用しています。まず言語の基礎構築を行い、次に質問応答タスクへの適応を行います。このモデルは僧伽羅語の言語理解と質問応答生成タスクで優れた性能を発揮し、30億のパラメータを持っています。

自然言語処理Transformersその他

AlemLLMはアスタナイノベーションセンターによってカスタマイズされた大規模言語モデルで、カザフ語のコンテキストに特化して最適化され、カザフ語の生成応答の有効性を向上させます。このモデルはカザフ語、ロシア語、トルコ語、英語の4つの言語をサポートし、エキスパート混合モデルアーキテクチャを採用し、総パラメータ数は247Bに達します。

自然言語処理Transformers多言語

TARS-SFT-7Bは、監督微調整に基づくセキュリティ推論モデルであり、強化学習トレーニングの基礎モデルとして、AIシステムのセキュリティを強化するために特別に設計されています。このモデルはQwen2.5-7B-Instructからトレーニングを開始し、推論プロセスを適応型防御メカニズムとして利用して、モデルのセキュリティ性能を向上させます。

自然言語処理Transformers英語

YOLOv13は、正確で軽量な目標検出器であり、超グラフに基づく適応型相関強化メカニズム、全プロセス集約と分布パラダイムを提案し、深度分離可能畳み込みを使用して通常の大きなカーネル畳み込みを置き換え、複雑なシーンでの検出性能を効果的に向上させ、MS COCOベンチマークテストで最先端の性能を実現しました。

FLUX.1-devに基づく実験的な画像から画像への変換モデルで、低ランク適応（LoRAs）技術を融合し、画像変換タスクに特化し、推論性能を最適化しています。

コンピュータビジョンDiffusers

Lingshu-32B GGUFモデルは医療分野に適したマルチモーダル大規模言語モデルで、複数の医学画像モードをサポートし、医療質問応答とレポート生成タスクで優れた性能を発揮します。

マルチモーダルTransformers

ALP_DeepScaleR_1.5B_C16KはDeepScaleR - 1.5Bモデルをベースに、適応的長さペナルティ（ALP）方法を用いて訓練されたモデルで、性能を維持しながらトークン使用量を大幅に削減できます。

自然言語処理Safetensors