Moondream 3 Preview HFは、HuggingFace Transformersアーキテクチャの仕様に基づいてMoondream 3 (Preview)モデルを再実装したもので、Hugging Faceのエコシステムと完全に互換性があります。これはマルチモーダルビジュアル言語モデルで、エキスパート混合（MoE）テキストバックボーンを採用し、約90億のパラメータと20億のアクティブパラメータを持ちます。

マルチモーダルTransformers

このモデルはmeta-llama/Llama-3.3-70B-Instructをベースに微調整したバージョンで、mlabonne/FineTome-100kデータセットを使用してトレーニングされ、100kトークンのデータを含んでいます。モデルはUnslothとHuggingface TRLライブラリを使用して微調整され、英語の言語処理をサポートしています。

自然言語処理Transformers英語

これは微調整されたWhisper音声認識モデルで、unsloth/whisper-large-v3-turboアーキテクチャに基づいており、UnslothとHuggingface TRLライブラリを使用して訓練速度を2倍に加速し、訓練効率を大幅に向上させています。

音声処理Transformers英語

これは🤗 Transformersに基づくモデルで、HuggingFaceモデルセンターに公開されています。モデルカードの情報が不十分なため、具体的な機能とアプリケーションシナリオはさらに確認する必要があります。

自然言語処理Transformers

これはQwen3-4Bモデルをベースに微調整された量子化バージョンで、UnslothフレームワークとHuggingface TRLライブラリを使用して高効率なトレーニングを行い、トレーニング速度が2倍に向上します。モデルはint8-int4混合量子化方式を採用し、モバイルデバイスでの実行をサポートしています。

自然言語処理Transformers英語

これはLlama-3.2-3Bアーキテクチャに基づく微調整言語モデルで、フランス語と英語のテキスト生成タスクに特化して最適化訓練されています。このモデルはUnslothとHuggingfaceのTRLライブラリを使用して訓練され、訓練速度が2倍に向上し、高効率なテキスト生成推論をサポートしています。

自然言語処理Transformers多言語

これはQwen3アーキテクチャに基づくファインチューニングモデルで、UnslothとHuggingface TRLライブラリを使用して高効率にトレーニングされ、トレーニング速度が2倍に向上し、テキスト生成タスクに特化して最適化されています。

自然言語処理Transformers英語

これは unsloth/qwen2.5-vl-72b-instruct-bnb-4bit モデルをベースに微調整された視覚言語モデルで、Unsloth と Huggingface TRL ライブラリを使用して最適化訓練され、訓練速度は従来方式に比べて2倍に向上しています。

マルチモーダルTransformers英語

SmolLM-135M-Instruct-manimは、HuggingFaceTB/SmolLM-135M-Instructモデルを基に、manimコード生成データセットを使用してLoRA微調整を行った軽量言語モデルです。このモデルは、コード生成タスクに特化して最適化されており、異なるデプロイニーズに対応するために3種類の異なるバリエーションを提供します。

自然言語処理Transformers英語

Qwen3アーキテクチャに基づく1.7Bパラメータの微調整モデルで、UnslothとHuggingface TRLライブラリを使用して高効率なトレーニングを行い、トレーニング速度が2倍に向上し、英語のテキスト生成タスクに特化しています。

自然言語処理Transformers英語

SmolLM3-3B-INT8-INT4は、HuggingFaceTB/SmolLM3-3Bモデルを量子化したバージョンで、torchaoを使用して8ビット埋め込み、8ビット動的活性化、および4ビット重みの線形量子化を実現しています。このモデルはExecuTorch形式に変換され、最適化によりCPUバックエンドで高性能を実現し、特にモバイルデバイスへのデプロイに適しています。

自然言語処理Pytorch

SmolLM3はパラメータが30億の言語モデルで、小さなモデルの性能限界を突破することを目的としています。6つの言語をサポートし、高度な推論能力と長文脈処理能力を備えており、完全にオープンソースのモデルです。

自然言語処理Transformers多言語

SmolLM3は30億のパラメータを持つオープンソースの言語モデルで、6つの言語をサポートし、強力な推論能力と長文脈処理能力を備えています。

自然言語処理Transformers多言語

このモデルはQwen3-0.6Bを微調整した対話ターン検出モデルで、UnslothとHuggingface TRLライブラリを使用してトレーニングを加速し、対話ターン検出タスクで96.22%の正解率を達成しました。

自然言語処理Transformers英語

distilbert-base-uncasedをファインチューニングしたテキスト分類モデルで、AG Newsデータセットで訓練され、精度は89.06%

自然言語処理Transformers

Qwen2.5アーキテクチャに基づく3Bパラメータの命令ファインチューニングモデル、UnslothとHuggingface TRLライブラリでトレーニング速度を最適化

自然言語処理Transformers英語

このモデルはkarpathyのllm.cプロジェクトに由来し、bfloat16性能研究のためにHuggingFace形式に変換され、1500億トークンを消費してトレーニングされました。

自然言語処理Transformers

これはUnslothとHuggingface TRLライブラリで最適化されたMistral-7B命令微調整モデルで、トレーニング速度が2倍向上しました

自然言語処理Transformers英語

Qwen2.5-VL-3Bモデルを基にしたファインチューニング版で、UnslothとHuggingface TRLライブラリを使用して訓練され、推論速度が2倍向上

マルチモーダルTransformers英語

mlabonne/gemma-3-27b-it-abliteratedをベースにファインチューニングされた大規模言語モデルで、Unsloth高速フレームワークとHuggingfaceのTRLライブラリを使用してトレーニングされ、効率が2倍向上しました。

自然言語処理Transformers英語