LibreFLUX-ControlNet是一个基于ControlNet架构的文本到图像生成模型，使用LibreFLUX作为基础Transformer模型。该模型在SA1B数据集上进行训练，能够根据文本提示和控制图像生成高质量的图像内容。

计算机视觉Diffusers

这是一个发布在Hugging Face模型中心的Transformers模型，具体信息需要模型作者补充。该模型基于Transformer架构，可用于多种自然语言处理任务。

自然语言处理Transformers

这是一个发布在Hugging Face模型中心的Transformer模型，具体信息需要从模型页面获取。该模型基于Transformer架构，可用于自然语言处理相关任务。

自然语言处理Transformers

IBM Granite-4.0-H-Tiny是经过苹果硅芯片优化的混合Mamba-2/Transformer模型，采用3位量化技术，专为长上下文、高效推理和企业使用而设计。该模型结合了Mamba-2架构和专家混合技术，在保持表达能力的同时显著降低内存占用。

自然语言处理MlxMultiple Languages

OpenLLaMA 3B v2是一个基于Transformer架构的开源大语言模型，拥有30亿参数。该模型采用MIT许可证，主要用于英文文本生成任务，支持聊天机器人等多种应用场景。

自然语言处理PeftEnglish

PatchFM是一个基于Transformer架构的单变量时间序列预测基础模型，采用逐块预测方法，借鉴大语言模型的训练思想，将时间序列分割为块进行下一块预测，支持多分位数输出和不确定性估计。

科学计算Safetensors

这是一个基于🤗 Transformers架构的模型，具体类型和功能待进一步信息确认。模型已发布至Hugging Face模型中心，可用于自然语言处理等相关任务。

自然语言处理Transformers

这是一个基于Transformer架构的预训练模型，具体功能和特性需要根据实际模型信息补充。模型支持多种下游任务，具备良好的泛化能力。

自然语言处理Transformers

这是一个基于DINOv3架构的视觉Transformer模型，采用小型(Small)配置，在LVD-1689M数据集上通过知识蒸馏训练而成。该模型专门用于高效提取图像特征，支持图像分类、特征图提取和图像嵌入等多种计算机视觉任务。

计算机视觉Timm

这是一个基于DINOv3架构的Vision Transformer图像特征编码器，通过从7B参数的DINOv3 ViT模型在LVD-1689M数据集上进行知识蒸馏得到。该模型专门用于图像特征提取任务，具有强大的视觉表示能力。

计算机视觉Timm

NVIDIA Qwen3-32B FP4模型是阿里云Qwen3-32B模型的量化版本，使用优化的Transformer架构，通过将权重和激活量化为FP4数据类型实现高效推理。该模型支持商业和非商业用途，适用于各种AI应用场景。

自然语言处理Safetensors

这是 NVIDIA Nemotron Nano 12B v2 模型的 GGUF 量化版本，采用混合 Mamba-2 和 Transformer 架构，支持多语言推理和聊天功能，具有 120 亿参数，支持长达 128K 的上下文长度。

自然语言处理TransformersMultiple Languages

Gemma 3 270M Instruct是Google推出的基于Transformer架构的文本生成模型，专门针对苹果芯片进行了优化，采用8位量化技术，在文本生成任务中表现出色，适用于各种对话和指令跟随场景。

自然语言处理Transformers

Code Llama是由Meta开发的700亿参数大型语言模型，专门针对Python编程语言进行了优化。该模型基于优化的Transformer架构，支持代码合成和理解任务，最多可处理16k个标记的上下文长度。

自然语言处理PytorchOther

基于Transformer架构的孟加拉语情感分析模型，在SentiGOLD数据集上微调，支持5分类情感分析，能有效处理正式与非正式文本，适用于社交媒体、评论等场景。

自然语言处理TransformersOther

Nile-Chat-4B 是 MBZUAI-Paris 开发的一个 40 亿参数的多语言对话模型，基于先进的 Transformer 架构构建，专门针对对话场景进行了优化。该模型支持多种语言，能够进行流畅的自然语言对话，并提供高质量的响应生成能力。

自然语言处理TransformersOther

Tiny GptOssForCausalLM 是一个专为 TRL (Transformer Reinforcement Learning) 库单元测试设计的最小化因果语言模型。该模型规模极小，主要用于验证 TRL 库中强化学习相关功能在特定模型架构下的运行正确性。

自然语言处理Transformers

DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调就能在多种视觉任务中超越专门的先进模型。该模型采用Vision Transformer架构，在16.89亿张网络图像上预训练，能生成高质量的密集特征，在图像分类、分割、检索等任务中表现出色。

计算机视觉TransformersEnglish

这是一个上传至Hugging Face模型中心的Transformer模型，具体信息需要模型作者补充。该模型基于Transformer架构，适用于多种自然语言处理任务。

自然语言处理Transformers

MetaCLIP 2 (worldwide) 是一个基于Transformer架构的多语言零样本图像分类模型，支持全球范围内的视觉语言理解任务，能够实现无需训练即可对图像进行分类的能力。

多模态TransformersOther