# マルチタスク汎化

AceMath-RL-Nemotron-7Bは、完全に強化学習によって訓練された数学的推論モデルです。Deepseek-R1-Distilled-Qwen-7Bをベースに訓練され、数学的推論タスクで優れた性能を発揮し、同時にコーディングタスクにも一定の汎化能力を持っています。

これは8GiBのコンシューマー向けGPUで動作することを目的とした実験的な小型思考モデルで、汎用推論能力を備えています。教師あり微調整（SFT）と高品質な推論軌跡トレーニングにより、モデルは推論能力を様々なタスクに汎化できます。

GLM-4-9B-0414はGLMファミリーの軽量メンバーで、90億のパラメータを持ち、数学的推論と汎用タスクで優れたパフォーマンスを発揮し、リソースが制限されたシナリオに効率的なソリューションを提供します。

T0++はT5アーキテクチャに基づく自然言語処理モデルで、マルチタスクプロンプトトレーニングによりゼロショットタスク汎化能力を実現し、多くのNLPタスクでGPT-3を上回りながらよりコンパクトです。

自動フィルタリングされた5万件のTulu-3-MIGデータセットでファインチューニングされたLlama-3.1-8Bモデル

LWMは無線通信分野初の基盤モデルで、汎用特徴抽出器として開発され、無線チャネルデータから精緻な表現を抽出できます。

RobustSAMは劣化画像においてロバストに任意のオブジェクトをセグメントするモデルで、SAMを改良し、低品質画像でのセグメンテーション性能を向上させています。

Llama-3-8bベースのファインチューニングモデルで、Gutenberg DPOデータセットを使用して最適化されており、テキスト生成タスクに適しています。

効率的なゼロショット分類のために設計されたRoBERTa-largeモデルで、ビジネスフレンドリーデータで訓練されており、訓練データなしでテキスト分類タスクを実行可能です。

これはLlama-2-13Bをベースとしたハイブリッドモデルで、Tiefighter、MedLLaMA、limarp-v2など複数モデルの特徴を統合し、様々なテキスト生成タスクに適しています。

WizardLM-13B V1.2はLlama-2 13bをベースに訓練された大規模言語モデルで、複雑な指令の遵守能力に特化しています。

LMFlowフレームワークに基づいて訓練された報酬モデルで、HH - RLHFデータセット（有用な部分のみ）を対象とし、open_llama_3bをベースモデルとして訓練され、良好な汎化能力を持っています。