這是一個基於DeepSeek-R1-Distill-Qwen-1.5B的多任務微調模型，通過LoRA適配器在多個數據集上進行訓練，具備強大的多任務泛化和推理能力，能夠處理廣泛的自然語言和基於推理的任務。

自然語言處理Peft英語

π₀.₅是由Physical Intelligence開發的視覺-語言-動作模型，具備開放世界泛化能力，能夠在訓練時從未見過的全新環境和場景中執行機器人任務。

多模態Safetensors

Kairos-10M是一款專為跨領域零樣本預測設計的時間序列基礎模型，擁有約1000萬參數。它能處理不同信息密度的異構時間序列數據，無需微調即可在不同領域實現強大的泛化能力。

科學計算Transformers

Kairos-50M是一個擁有5000萬參數的時間序列基礎模型，專門用於跨不同領域的零樣本預測。它採用自適應分詞和位置編碼技術，能夠處理具有不同信息密度的異構時間序列數據，無需微調即可在不同領域實現強大的泛化能力。

科學計算Transformers

MiMo Audio是一款基於大規模預訓練的音頻語言模型，在語音智能和音頻理解基準測試中取得了開源模型的SOTA性能。該模型展現出強大的少樣本學習能力，能夠泛化到訓練數據中未包含的任務，支持語音轉換、風格遷移和語音編輯等多種音頻任務。

音頻處理Safetensors

這是一個基於Transformer架構的預訓練模型，具體功能和特性需要根據實際模型信息補充。模型支持多種下游任務，具備良好的泛化能力。

自然語言處理Transformers

這是一個基於RoBERTa-base微調的AI文本檢測模型，專門用於區分AI生成文本和人類撰寫文本。模型在多個數據集上進行了順序微調，具備高精度的檢測能力和良好的泛化性能。

自然語言處理Safetensors英語

專為Qwen/Qwen3-8B設計的推測解碼模型，採用EAGLE-3算法提升文本生成效率和質量，通過多個優質數據集訓練獲得優秀的泛化能力

自然語言處理Transformers

AnySplat是一種先進的3D高斯散點渲染模型，能夠從不同視角的圖像高效生成高質量的3D場景。該模型具有快速推理能力和良好的泛化性能，為3D重建和渲染提供了創新的解決方案。

計算機視覺Safetensors

Whisper是一個預訓練的自動語音識別(ASR)和語音翻譯模型，通過68萬小時標註數據訓練，具有強大的泛化能力。

音頻處理Safetensors多語言

Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，在超過500萬小時的標記數據上訓練，具有強大的零樣本泛化能力。Turbo版本是原版的修剪微調版本，解碼層從32層減少到4層，速度大幅提升但質量略有下降。

音頻處理Transformers多語言

AceMath-RL-Nemotron-7B 是一個完全通過強化學習訓練的數學推理模型，基於 Deepseek-R1-Distilled-Qwen-7B 進行訓練，在數學推理任務中表現出色，同時在編碼任務上也有一定的泛化能力。

自然語言處理Transformers英語

這是一個實驗性的小型思維模型，旨在8GiB消費級顯卡上運行，具備通用推理能力。通過監督微調（SFT）和高質量推理軌跡訓練，模型能夠將推理能力泛化至多種任務。

自然語言處理Gguf

LWM 1.1是專為無線信道特徵提取設計的升級版預訓練模型，支持多樣化信道配置，提升特徵提取質量與泛化能力。

科學計算Transformers

T0++是基於T5架構的自然語言處理模型，通過多任務提示訓練實現零樣本任務泛化能力，在多種NLP任務上超越GPT-3且體積更小。

自然語言處理Transformers英語

感知編碼器是通過視覺語言訓練實現的最先進圖像視頻理解編碼器，具有強大的泛化能力。

Seg-Zero-7B是一個基於推理鏈引導的圖像分割模型，採用解耦架構，包含推理模型和分割模型，通過GRPO強化學習訓練實現零樣本泛化能力。

計算機視覺Transformers英語

LHM是一個前饋模型，可在數秒內從單張圖像重建可動畫的3D人體。通過在大規模視頻數據集上使用圖像重建損失進行訓練，我們的模型對多樣化的現實場景展現出強大的泛化能力。

PLLuM 是一個專注于波蘭語及其他斯拉夫/波羅的海語言的大型語言模型家族，同時融入英語數據以實現更廣泛的泛化能力。

自然語言處理Transformers其他

PLLuM 是專門針對波蘭語及其他斯拉夫/波羅的海語言優化的大型語言模型家族，兼具英語泛化能力，通過高質量數據訓練和先進對齊技術開發而成。

自然語言處理Transformers其他