# マルチデータセットトレーニング

ViTPoseはビジョントランスフォーマーをベースとした人体姿勢推定モデルで、シンプルなアーキテクチャ設計によりMS COCOなどのベンチマークで優れた性能を発揮します。

Aura-4BはAuraIndustries/Aura-4Bをベースにした量子化バージョンで、llama.cppを使用してimatrix量子化を行い、複数の量子化タイプをサポートし、テキスト生成タスクに適しています。

BiRefNetはバイラテラル参照に基づく高解像度二分画像分割モデルで、背景除去とマスク生成タスクに特化しています。

高解像度二値画像分割のためのバイラテラル参照フレームワーク、背景除去とマスク生成タスクに特化

RAD-DINO-MAIRA-2は、DINOv2自己教師あり学習でトレーニングされたビジョントランスフォーマーモデルで、胸部X線画像のエンコードに特化しています。

日本語テキストソートタスクに最適化されたクロスエンコーダーモデルで、24層と1024隠れ層サイズの高性能アーキテクチャを備えています

これは日本語でトレーニングされたリランカー（クロスエンコーダー）モデルで、テキストランキングタスクに使用されます。

これは日本語でトレーニングされたリランカー（クロスエンコーダー）モデルで、テキストランキングタスクに使用されます。

PairRMは、大規模言語モデルの出力候補を比較・ランク付けするための効率的なペア報酬モデルで、RLHFやベストNサンプリングなど多様なアプリケーションシナリオをサポートします。

これはPubMedBERTをファインチューニングした固有表現認識モデルで、バイオメディカルテキスト中の遺伝子とタンパク質エンティティを識別するために特別に設計されています。

これはT5-XXLアーキテクチャを基にした自然言語推論（NLI）モデルで、テキストペア間の含意関係（'1'は含意、'0'は非含意）を予測します。

これはブラジルポルトガル語に最適化されたWav2vec2モデルで、複数のオープンデータセットでトレーニングされ、自動音声認識タスクに使用されます。

facebook/wav2vec2-large-xlsr-53モデルをベースにファインチューニングした日本語音声認識モデルで、16kHzサンプリングレートの音声入力をサポート