# マルチタスク汎用

Bamba-9B-v2はMamba-2アーキテクチャに基づいて構築されたデコーダーのみの言語モデルで、テキスト生成タスクに特化しており、Llama 3.1 8Bよりも性能が優れています。

これはTIES手法を使用して統合された32Bパラメータ規模の大規模言語モデルで、Rombo-LLM-V3.1-QWQ-32bベースモデルに複数のFuseAIプレビューモデルを融合したものです

TIES手法でマージされた70Bパラメータの大規模言語モデルで、Steelskull/L3.3-MS-Nevoria-70bをベースモデルとしてDeepSeek-R1-Distill-Llama-70Bモデルを融合

calme-3.2-instruct-78bはQwen2.5-72Bを基にした高度な進化版で、自己統合と微調整によって能力を強化した汎用領域の大規模言語モデルです。

DeBERTa-v3-baseアーキテクチャに基づくゼロショット分類モデルで、トレーニングデータ不要のテキスト分類タスク向けに設計

DeBERTa-v3-baseをベースとしたゼロショット分類モデルで、トレーニングデータ不要の分類タスク向けに設計され、ビジネスフレンドリーデータでトレーニングされています

2024年4月8日現在、山影実験28号-7BはOpen LLMランキングで最高性能の7Bパラメータモデルです。使用時には注意が必要で、これはベンチマークへの過剰適合の兆候かもしれません。

TheBeagleはThe Bagelデータセットでトレーニングされた70億パラメータモデルで、DPO（直接選好最適化）とUNA（統一ニューラルアーキテクチャ）技術を採用し、マルチタスクで優れた性能を発揮します。

TinyLlamaは1.1Bパラメータの小型Llamaモデルで、3兆トークンで事前学習され、リソースが限られた環境向けに設計されています。

DeBERTa-v3ベースのゼロショット分類モデルで、33のデータセットと387のカテゴリに対応した汎用テキスト分類タスクをサポート