基於microsoft/phi-4（14B）基礎模型的三階段訓練GRPO推理測試模型，通過SFT→RLHF→SFT流程微調，具備優秀的多步推理能力

自然語言處理Transformers多語言

Phi-4-mini-instruct 的 GGUF 格式轉換版本，支持多語言文本生成任務。

自然語言處理Transformers多語言

Phi-4-mini-instruct是一個輕量級的開放模型，基於合成數據和經過篩選的公開網站數據構建，專注於高質量、富含推理的數據。該模型支持128K令牌上下文長度，經過監督微調和直接偏好優化，具備精確的指令遵循能力和強大的安全措施。

自然語言處理Transformers多語言

Phi-4-mini-reasoning 是一個基於合成數據構建的輕量級開放模型，專注於高質量、富含推理的數據，並針對更高級的數學推理能力進行了進一步微調。

自然語言處理Transformers多語言

Phi-4-reasoning-plus GGUF是基於Phi-4微調的高性能推理模型，採用先進的量化技術，支持自然語言處理、數學推理和代碼生成等多種任務。該模型在超低比特量化方面有顯著創新，能在不同硬件條件下提供靈活部署方案。

自然語言處理Transformers多語言

基於microsoft/Phi-4-reasoning-plus模型轉換的MLX 4bit量化版本，專為Apple Silicon優化，在自然語言處理、數學推理、代碼生成和對話等多個領域具有高效性能

自然語言處理Mlx多語言

這是一個基於微軟Phi-4-mini-reasoning模型轉換的MLX格式4位量化版本，適用於文本生成任務。

自然語言處理Mlx多語言

針對新加坡英語優化的多模態語音識別模型，基於微軟Phi-4多模態指令模型微調，顯著提升對新加坡英語獨特語音特徵的識別能力。

多模態Transformers多語言

Phi-4-reasoning是一款由微軟開發的先進推理模型，基於Phi-4進行微調，專注於提升數學、科學和編碼等領域的推理能力。

自然語言處理Transformers多語言

Phi-4-reasoning是基於Phi-4微調的先進推理模型，通過監督微調與強化學習，在數學、科學和編碼等領域展現出卓越的推理能力。

自然語言處理Transformers多語言

Phi-4-reasoning-plus是微軟基於Phi-4微調的最先進開放權重推理模型，專注於數學、科學和編碼領域的高級推理能力。

自然語言處理Transformers多語言

Phi-4推理增強版是微軟研究院開發的140億參數開源推理模型，通過監督微調和強化學習優化，專注於數學、科學和編程領域的高級推理能力。

自然語言處理Transformers多語言

Phi-4-reasoning-plus 是由微軟研究院開發的開源推理模型，專注於數學、科學和編程領域的高級推理能力。

自然語言處理Gguf多語言

Phi-4-mini-reasoning是一個輕量級的開源模型，專注於數學推理，支持128K令牌的上下文長度，適用於計算資源受限的環境。

自然語言處理Transformers多語言

Phi-4-mini-reasoning是一個基於合成數據的輕量級開放模型，專注於高質量、密集推理數據，並進一步微調以增強數學推理能力。

自然語言處理Gguf多語言

Phi-4-mini-reasoning 是一個輕量級的開源模型，專注於數學推理任務，支持128K令牌的上下文長度。

自然語言處理Transformers多語言

Phi-4-reasoning-plus 是微軟開發的增強推理能力的大語言模型，專為複雜數學問題和多步驟推理任務優化。

自然語言處理Gguf多語言

微軟Phi-4-reasoning-plus的量化版本，適用於資源有限設備的高效文本生成任務。

自然語言處理Gguf多語言

這是微軟Phi-4-reasoning模型的量化版本，使用llama.cpp進行優化，適用於推理任務，支持多種量化選項。

自然語言處理Gguf多語言

這是微軟Phi-4-mini-reasoning模型的量化版本，使用llamacpp工具進行量化處理，旨在提升模型在不同硬件環境下的運行效率和性能。

自然語言處理Gguf多語言