# DPOアライメント

Bielik-4.5B-v3-Instructは46億パラメータを持つポーランド語生成テキストモデルで、Bielik-4.5B-v3を基に命令ファインチューニングされており、優れたポーランド語理解と処理能力を示します。

Mistral-7bをベースとしたイタリア語チャットモデル、大規模なイタリア語コーパスで事前学習とファインチューニングを実施

Llama-3-SauerkrautLM-8b-Instructは、VAGO SolutionsとHyperspace.aiが共同で開発した、Meta-Llama-3-8B-Instructをベースに改良したバージョンで、DPOアライメントによる最適化を行い、ドイツ語と英語をサポートしています。

Tulu V2 DPO 7BはLlama 2 7Bを微調整した言語モデルで、直接選好最適化(DPO)手法を用いて訓練され、汎用アシスタントとして設計されています。