TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。

多模态TransformersOther

这是NVIDIA基于Qwen3架构开发的32B参数奖励模型，专门用于强化学习中的奖励评分和原则对齐，帮助训练更安全、更符合人类价值观的AI系统。

自然语言处理Gguf

PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究代理模型，结合了AI反馈强化学习（RLAIF）和强大的推理框架，能够在工具增强的大语言模型中实现可靠、对齐和可扩展的研究级推理，适用于复杂的多步骤研究工作流程。

自然语言处理TransformersEnglish

基于Stable Diffusion XL，采用Inversion-DPO方法微调UNet权重，结合直接偏好优化（DPO）技术和反演方法，提升图像生成质量和对齐度的扩散模型

计算机视觉Diffusers

Qwen3-4B-SafeRL是Qwen3-4B模型的安全对齐版本，通过强化学习训练增强模型抵御有害或对抗性提示的鲁棒性。该版本采用混合奖励函数优化，平衡安全性、有用性和最小化不必要拒绝三个目标。

自然语言处理TransformersEnglish

本项目通过创新的两阶段训练流程，将GPT的推理能力蒸馏到Llama-3.1-8B模型中。首先通过监督微调进行知识蒸馏和格式对齐，然后利用强化学习激励模型自主探索和优化推理策略，专注于数学推理领域的能力突破。

自然语言处理TransformersMultiple Languages

G²RPO是一种新颖的强化学习框架，专门用于流模型的偏好对齐，通过粒度化奖励评估机制显著提升生成质量

多模态Diffusers

Granite-4.0-H-Small是IBM开发的具有320亿参数的长上下文指令模型，基于Granite-4.0-H-Small-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术，在指令遵循和工具调用能力方面有显著提升，特别适合企业级应用。

自然语言处理Transformers

Granite-4.0-H-Micro是IBM开发的30亿参数长上下文指令模型，基于Granite-4.0-H-Micro-Base微调而来。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备结构化的聊天格式，在指令遵循和工具调用能力方面表现优异。

自然语言处理Transformers

Granite-4.0-H-Tiny是IBM开发的具有70亿参数的长上下文指令模型，基于Granite-4.0-H-Tiny-Base进行微调。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备增强的指令跟随和工具调用能力，特别适用于企业级应用。

自然语言处理Transformers

Granite-4.0-Micro是IBM开发的30亿参数长上下文指令模型，基于Granite-4.0-Micro-Base微调而来。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备增强的指令遵循和工具调用能力，特别适用于企业级应用。

自然语言处理Transformers

Granite-4.0-H-Small是IBM开发的具有320亿参数的长上下文指令模型，基于Granite-4.0-H-Small-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，在指令遵循和工具调用能力方面有显著提升。

自然语言处理Transformers

Qwen3-4B-SafeRL是基于Qwen3-4B模型的安全对齐版本，通过强化学习训练并结合Qwen3Guard-Gen的奖励信号，增强了模型对有害或对抗性提示的鲁棒性，在保证安全性的同时避免产生过于简单或回避性的拒绝行为。

自然语言处理Transformers

本模型基于GPT-OSS-20B，借助Unsloth强化学习框架进行微调，旨在优化推理效率，同时减少在从人类反馈中进行强化学习（RLHF）式训练期间出现的漏洞。微调过程着重于对齐的鲁棒性和效率，确保模型在不产生过多计算开销的情况下保持推理深度。

自然语言处理TransformersEnglish

SRPO是一种针对扩散模型的人类偏好对齐方法，通过Direct-Align技术和语义相对偏好优化，显著提升了FLUX.1-dev模型的真实感和美学质量，解决了多步去噪计算成本高和依赖离线奖励微调的问题。

计算机视觉Diffusers

Qwen3-4B-Instruct-2507是阿里云推出的40亿参数大语言模型，基于Unsloth Dynamic 2.0量化技术，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面都有显著提升。

自然语言处理Transformers

Qwen3-30B-A3B-Instruct-2507是Qwen3-30B-A3B非思考模式的更新版本，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面均有显著提升。这是一个305亿参数的大型语言模型，采用MoE架构，激活参数为33亿。

自然语言处理Transformers

MedScholar-1.5B是一个轻量级、经过指令对齐的医疗问答模型，基于Qwen2.5-1.5B-Instruct构建，使用MIRIAD-4.4M数据集中100万个示例进行微调，专门用于临床知识探索，但不能用于医疗诊断。

自然语言处理TransformersEnglish

Qwen3-235B-A22B-Instruct-2507是Qwen3系列模型的更新版本，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面有显著提升，能提供更优质的文本生成服务。该模型采用混合专家架构，总共235B参数，激活22B参数，原生支持262,144上下文长度。

自然语言处理Safetensors

T-pro-it-2.0 是基于 Qwen 3 模型家族构建的模型，结合了持续预训练和对齐技术，能在多种任务中提供高质量的推理和响应。

自然语言处理TransformersOther