# 低パラメータ数

Lite-Whisper は OpenAI Whisper の圧縮バージョンで、LiteASR 技術を採用し、比較的高い精度を維持しながらモデルサイズを大幅に削減しています。

Lite-WhisperはOpenAI Whisperの圧縮バージョンで、LiteASR技術を採用し、高い精度を維持しながらモデルサイズを縮小しています。

Qwen2.5-1.5B-Instructをファインチューニングしたロシア語コマンド最適化モデル、15億パラメータ、ロシア語と英語をサポート、RAGプロセスにおけるテキストQAに優れる

瑠璃リランカーは日本語汎用リランキングモデルで、日本語テキスト検索結果の関連性順位付けを向上させるために特別に設計されています。小型バージョンは高性能を維持しながら、より少ないパラメータ数を持ちます。

このモデルはMBZUAI/LaMini-Flan-T5-248Mをファインチューニングしたプロンプト強化モデルで、主にテキスト記述強化タスクに使用されます。

TinyStories-656Kは、物語生成に特化した軽量級のTransformer言語モデルで、約600kのパラメータのみを使用しています。

BK-SDMはアーキテクチャ圧縮を施した安定拡散モデルで、効率的な汎用テキスト画像合成を実現。U-Netの残差ブロックとアテンションブロックを除去することで軽量化を達成。

PASCAL VOCデータセットで事前学習された軽量セマンティックセグメンテーションモデル、MobileViTとDeepLabV3アーキテクチャを組み合わせ

軽量なビジョントランスフォーマーモデルで、MobileNetV2とトランスフォーマーモジュールを組み合わせ、モバイル向けセマンティックセグメンテーションタスクに適しています。

MobileViTは、軽量で低遅延の視覚Transformerモデルで、CNNとTransformerの利点を組み合わせており、モバイルデバイスに適しています。

MobileViTは、軽量で低遅延の視覚Transformerモデルで、CNNとTransformerの利点を組み合わせ、モバイル端末に適しています。

BERT-base uncasedモデルをSQuAD v1でファインチューニングし最適化した質問応答モデル。枝刈り技術により元の重みの43%を保持し、推論速度が1.96倍向上