ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8は、百度のERNIE-4.5アーキテクチャに基づくマルチモーダル大規模言語モデルで、AWQ量子化技術を通じて8ビット精度を実現し、高性能を維持しながらメモリ要件を大幅に削減します。このモデルは、視覚推論、STEM問題解決、画像分析などの分野で優れた性能を発揮し、強力なマルチモーダル理解と推論能力を備えています。

マルチモーダルTransformers多言語

このモデルは、百度のERNIE-4.5-21B-A3B-ThinkingモデルのGGUF量子化バージョンで、Q8_0量子化形式を採用し、llama.cppツールで変換され、GGUF形式に対応した推論フレームワークで使用できます。

自然言語処理Transformers多言語

これは百度のERNIE-4.5-21B-A3B-ThinkingモデルのMLX形式変換バージョンで、mlx-lm 0.27.1ツールを使用して変換され、Apple Siliconデバイス用に最適化され、効率的な推論をサポートします。

自然言語処理Mlx多言語

百度ERNIE-4.5-21B-A3Bモデルをベースとしたコミュニティ版で、MLXを用いて8ビット量子化最適化を行い、Appleチップデバイス向けに性能最適化を行っており、テキスト生成タスクに適しています。

自然言語処理Transformers多言語

百度ERNIE-4.5-21B-A3Bは、ERNIE-4.5-21B-A3B-PT基礎モデルに基づくコミュニティ版で、MLXを使用して6ビット量子化を行い、Appleチップに特化して最適化されています。このモデルはLM Studioコミュニティモデルハイライトプログラムで展示され、高い推論性能と良好な互換性を持っています。

自然言語処理Transformers多言語

ERNIE-4.5-21B-A3Bは百度が開発した大規模言語モデルで、LM StudioチームによるMLX 4ビット量子化最適化を経て、Appleチップに特化した最適化が行われています。このモデルは210億のパラメータを持ち、中国語と英語をサポートし、Apache-2.0オープンソースライセンスを採用しています。

自然言語処理Transformers多言語

ERNIE-4.5-21B-A3B-PT-8bitは、百度のERNIE-4.5-21B-A3B-PTモデルの8ビット量子化バージョンで、MLX形式に変換されており、Appleチップ搭載のデバイスに適しています。

自然言語処理Mlx多言語

ERNIE-4.5-0.3B-PT-bf16は百度が開発したERNIEシリーズのモデルの一つで、パラメータ規模は0.3Bで、bf16精度で学習されています。

自然言語処理Mlx多言語

百度ERNIE-4.5-21B-A3B-PTモデルの量子化バージョンで、llama.cppを通じて量子化処理を行い、様々なハードウェア環境での実行効率と性能を向上させます。

自然言語処理Gguf

百度ERNIE-4.5-0.3B-PTモデルに基づく量子化バージョンで、llama.cppツールを通じて最適化され、モデルサイズを削減し、実行効率を向上させます。

自然言語処理Gguf多言語

百度ERNIE 4.5 0.3BはTransformerアーキテクチャに基づくバイリンガルテキスト生成モデルで、汎用言語理解と生成タスクで優れた性能を発揮し、中英バイリンガル処理をサポートし、コンテキスト長は128kトークンに達します。

自然言語処理Gguf多言語

このモデルは、百度のERNIE-4.5-0.3B-PTをGGUF形式に変換したバージョンで、英語と中国語のテキスト生成タスクをサポートしています。

自然言語処理Gguf多言語

これは100言語をサポートする多言語モデルで、自然言語推論（NLI）とゼロショット分類タスク用に設計されており、百度のERNIE - Mアーキテクチャに基づき、XNLIとMNLIデータセットで微調整されています。

自然言語処理Transformers多言語

ERNIE 3.0は、言語理解と生成を目的とした大規模な知識拡張事前学習モデルで、百度によって開発されました。

自然言語処理Transformers中国語

ERNIE 3.0は百度が開発した言語理解と生成向けの大規模知識拡張事前学習モデルで、micro-zhはその小型中国語バージョンです。

自然言語処理Transformers中国語

ERNIE 3.0は、言語理解と生成に向けた大規模な知識拡張事前学習モデルで、百度によって開発されました。

自然言語処理Transformers中国語

ERNIE 3.0は中国語の言語理解と生成に向けた大規模な知識拡張事前学習モデルで、百度研究院によって開発されました。

自然言語処理Transformers中国語

SKEP（感情知識拡張事前学習モデル）は百度によって2020年に提案され、感情分析タスクのために特別に設計されました。このモデルは感情マスキング技術と3つの感情事前学習目標を通じて、複数タイプの知識を統合して事前学習を行います。

自然言語処理Transformers英語

bert-base-chineseをベースにしたBERTモデルで、百度知道の質問マッチングデータセットでトレーニングされ、オープンドメインの質問マッチングシナリオに適しています。

自然言語処理Transformers

ERNIE 2.0は、百度が2019年に提案した継続的プリトレーニングフレームワークで、継続的なマルチタスク学習を通じてプリトレーニングタスクを段階的に構築・最適化します。多くのタスクでBERTやXLNetを上回る性能を示しています。

自然言語処理Transformers英語