VibeThinker-1.5Bは微博AIが開発した15億パラメータの密集型言語モデルで、Qwen2.5-Math-1.5Bをベースに微調整され、数学やアルゴリズムコーディングの問題に特化して設計されています。「スペクトルから信号への原理」のフレームワークを用いてトレーニングされ、複数の数学コンテストのテストでより大規模なモデルを上回り、トレーニングコストは約7800ドルで、最大約40kトークンの出力をサポートします。

自然言語処理Transformers多言語

Tiny-Purr-350MはLiquidAI/LFM2 - 350Mをベースに微調整された会話モデルで、Tiny - Purr - 2データセットで訓練されており、自由で友好的な猫をテーマとした会話スタイルの返信能力を持ち、中国語と英語の両方に対応しています。

自然言語処理Peft多言語

ConfTuner-MinistralはMistralアーキテクチャに基づく量子化大規模言語モデルで、信頼性の高いAIシナリオに特化して微調整され、テキスト生成と信頼度推定機能をサポートしています。このモデルは複数の量子化バージョンを提供し、異なるリソース制約環境に適しています。

自然言語処理Transformers英語

これは liushiliushi/ConfTuner-Ministral モデルの静的量子化バージョンで、テキスト生成と信頼度推定タスクに適しています。このモデルはMistralアーキテクチャに基づいており、信頼できるAI出力を提供するように微調整されており、さまざまな量子化レベルをサポートして異なるハードウェア要件を満たします。

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

MobileNetV2アーキテクチャに基づく深層学習モデルで、120種類の異なる犬種を識別および分類するために特別に設計されています。転移学習技術を使用して微調整され、様々な犬種を正確に識別し、信頼度スコアを提供することができます。

コンピュータビジョンTransformers

種のエンティティ識別に特化して精心に微調整された高度なTransformerモデルで、Species-800データセットから種名を正確に識別でき、臨床および研究アプリケーションにおいて高い精度と信頼性を持ちます。

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

M-Hoodは、物体検出における幻覚現象を緩和するために特別に設計された一連のモデルです。新しい微調整戦略と修正されたベンチマークデータセットを通じて、分布外データでの誤検出を大幅に削減し、物体検出システムの安全性と信頼性を向上させます。

コンピュータビジョンPytorch

facebook/wav2vec2-base-960hをベースに微調整された音声感情分類モデルで、音声信号から話者の8種類の異なる感情状態を正確に識別し分類するために特別に設計されています。

音声処理Transformers英語

Qwen/Qwen2.5-1.5B-Instructモデルをベースに微調整され、TinyV報酬システムを使用しており、効率的な強化学習（RL）の事後訓練において、より正確な報酬信号を提供し、RLの効率と最終的なモデル性能を大幅に向上させます。

自然言語処理Transformers

Root Judgeは、信頼性が高くカスタマイズ可能なLLMシステム評価用に設計された強力な中型大規模言語モデルです。Llama-3.3-70B-Instructをベースに微調整され、ペアワイズの嗜好判断や出所引用付きの多輪指令遵守タスクに長けています。

自然言語処理Safetensors英語

これはDeepSeek R1モデルの日本語版で、日本語の推論タスクに特化して微調整されており、信頼性と正確性を持って日本語でのプロンプトに応答できます。

自然言語処理Transformers日本語

これはVision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、CIFAR - 100データセットで事前学習済みモデルgoogle/vit - base - patch16 - 224 - in21kを微調整したものです。このモデルはCIFAR - 100評価セットで92.6%の正解率を達成し、画像分類タスクに信頼性の高い解決策を提供します。

コンピュータビジョンTensorboard

Stable Diffusion 2.1ベースモデルをベースに微調整し、ゼロ終端信号対雑音比スケジューリングを用いてLAION美学6+データセットで訓練したもので、主に研究デモ用です。

コンピュータビジョンDiffusers

Phind-CodeLlama-34B-v1はCodeLlama-34Bをベースに微調整された高性能なコード生成モデルで、HumanEvalデータセットで67.6%のpass@1スコアを達成し、GPT-4の性能を上回っています。このモデルは厳格なデータ汚染除去処理を経ており、訓練が効率的で結果が信頼できます。

自然言語処理Transformers