# マルチタスク適応

これはmergekitツールを使用してマージされた事前学習済み言語モデルで、DARE TIESメソッドにより複数のGemma3-12Bバリアントモデルを融合しています。

Mistralアーキテクチャに基づいて最適化された命令微調整モデルで、ゼロショット分類タスクに適しています。

これは金融文書検索タスク向けに最適化されたsentence-transformersモデルで、汎用性能も保持しています。

MagnaMellRei-v1-12Bはmergekitツールを使用し、SLERP法で2つの12Bパラメータモデルを統合して作成されたハイブリッドモデルです

これはGemma-2-9BシリーズモデルをベースにDARE TIES手法で融合した9Bパラメータ規模の言語モデルで、複数の最適化バージョンのGemmaモデルを統合しています。

Gemma 3 27B マージモデルは、線形結合法により事前学習モデルと命令調整モデルを融合した大規模言語モデルです

canopylabs/orpheus-3b-0.1-pretrainedを基にファインチューニングしたフランス語テキスト生成モデル

Hugging Faceが提供するTransformerモデルライブラリ、多様な自然言語処理タスクをサポート

Qwen2.5-YOYO第五世代モデル、複数の先進モデルの特徴を統合し、モデル統合式を最適化、100万トークンのコンテキストをサポート。

これはGGUF形式に変換された80億パラメータ規模のファンタジー小説専用言語モデルで、128Kのコンテキスト長をサポートします。

カッコーモデルは小型（3億パラメータ）の情報抽出モデルで、大規模言語モデルの次語予測パラダイムを模倣して効率的な情報抽出を行います

具体的なモデル情報が提供されていません。汎用のtransformersライブラリモデルの可能性があります

ModernBERT-baseをファインチューニングしたゼロショット分類器で、効率的かつ高速でメモリ使用量が少なく、様々なテキスト分類タスクに適しています。

ModernBERT-largeをファインチューニングしたゼロショット分類器で、効率的で高速かつメモリ使用量が少なく、さまざまなテキスト分類タスクに適しています。

Doge 20Mは動的マスクアテンション機構に基づく小型言語モデルで、命令追従と質問応答タスクをサポートします。

Ruriは日本語汎用テキスト埋め込みモデルで、文類似度計算と特徴抽出に特化し、長文処理をサポートしています。

ESM++はESMCの忠実な実装であり、バッチ処理操作をサポートし、Huggingfaceエコシステムと完全互換で、ESM公式Pythonパッケージに依存する必要はありません。largeバージョンはESMCの6億パラメーターモデルに対応しています。

これはCydonia-22B-v1.3とMagnum-v4-22Bを統合した22Bパラメータ言語モデルで、SLERP手法を用いて融合されています

Conan-embedding-v1はTencent BACチームによって開発された中国語テキスト埋め込みモデルで、sentence-transformersライブラリをベースにしており、様々な中国語自然言語処理タスクに適しています。

これはアリババNLP/gte-multilingual-baseからファインチューニングされたsentence-transformersモデルで、ペルシャ語のセマンティックテキストタスク専用に設計されています。

DINOv2は視覚トランスフォーマーに基づく画像特徴抽出モデルで、レジスタ機構を導入することで特徴抽出能力を向上させています。

SimPO目標に基づきgemma2-ultrafeedback-armormデータセットでファインチューニングされたGemma 2.9Bモデル、選好最適化タスク用

Transformersライブラリを基にしたゼロショット分類モデルで、特定のタスクの訓練データがなくても分類タスクを実行可能です。

ロシア語の文埋め込みを計算するためのBERTモデル。cointegrated/LaBSE-en-ruを基に開発され、ロシア語処理性能を最適化

Trendyolによって事前学習されたトルコ語Bertモデルで、様々な自然言語理解タスクに適しています。

Transformers.jsベースのフランス語ゼロショット分類モデル。特定のトレーニングなしでフランス語テキストの多クラス分類をサポート

xFinder-llama38it は Llama3-8B-Instruct をファインチューニングしたキーアンサー抽出モデルで、大規模言語モデルの出力からキーアンサーを抽出する精度とロバスト性の向上を目的としています。

世界初の60億パラメータのLlama-3ベースモデル、Meta-Llama-3-8Bからダウングレード循環技術で作成され、10億の英語テキストトークンで継続事前学習を実施

Meta-Llama-3-8BとMeta-Llama-3-8B-Instructモデルをベースに、DARE TIESマージ手法を用いて作成された事前学習言語モデル

このモデルはSLERP法によりEros-7b-testとEris-Lelanacles-7bの2つの7Bパラメータモデルを統合したハイブリッドモデルです

InBedderは命令に従うように設計されたテキスト埋め込みモデルで、質問に答える形でユーザーの命令が指定するテキスト特徴を捉えることができます。

Curie-7B-v1は英語の大規模言語モデル（LLMs）を微調整してポーランド語テキスト生成に適用したモデルで、ポーランド語テキスト生成や複数のNLPタスクで優れた性能を発揮します。

これは超小型で高性能なゼロショット分類モデルで、エッジデバイスやブラウザアプリケーション向けに設計されています。

現代ヘブライ語の最先端BERT言語モデルスイート

Instructorは命令微調整によるテキスト埋め込みモデルで、追加の微調整なしに任意のタスクやドメインに合わせてカスタマイズされたテキスト埋め込みベクトルを生成できます。

BiTはResNetアーキテクチャのような事前学習を拡張するシンプルな方法で、転移学習において顕著な改善をもたらします。

LERTは言語学理論に基づいて開発された事前学習言語モデルで、言語学的知識を通じてモデルの性能を向上させることを目的としています。

これは一般的な旧モデルで、具体的な機能や用途は明記されていません。

OPTはMeta AIが開発したオープンソースの事前学習済みTransformer言語モデルで、パラメータ規模は1.25億から1750億まで様々であり、大規模言語モデルの研究を促進することを目的としています。