# 低リソース適合

Qwen/Qwen2.5-7B-Instructを基に科学データセットで微調整したバージョン

PEGASUS-XSumは、PEGASUSアーキテクチャに基づく事前学習済みのテキスト要約モデルで、極端要約（XSum）タスクに特化して最適化されています。

スムーズQwenは軽量な調整ツールで、Qwenや類似モデルのトークン確率を平滑化し、多言語のバランス生成能力を強化します。

軽量な調整ツールで、Qwenや類似モデルのトークン確率を平滑化し、多言語生成のバランス能力を強化します。

これは軽量級のランダム初期化されたテキスト生成モデルで、Llama - 4 - Maverick - 17B - 128E - Instructの設定を調整して作成され、主にデバッグ目的で使用されます。

LoRA技術に基づくテキストから画像を生成するモデルで、拡散器アーキテクチャを採用し、マニアックボックススタイルの画像生成をサポートします。

NorMistral-11b-warm は、Mistral-Nemo-Base-2407 を初期化ベースとするノルウェー語の大規模言語モデルで、複数のスカンジナビア諸語とサーミ語をサポートします。

bagel-8b-v1.0のLlamacpp imatrix量子化バージョンで、さまざまな量子化ファイルを提供し、異なるハードウェアと性能要件を満たします。

Mistral 7B大規模言語モデルをベースに、事前学習モデルを統合し、Date-DPO-v2データセットで微調整したもので、ロールプレイング、クリエイティブライティング、一般的な知的タスクに長けています。

Llama - 2 - 7b - chatモデルを医学質問応答データセットMedQuADで微調整した医療質問応答モデル

bert-base-uncasedをベースに微調整したモデルで、主に穴埋め補完タスクに使用されます。

このモデルは、Helsinki - NLP/opus - mt - en - frをベースに、kde4データセットで微調整された英法翻訳モデルで、評価セットで52.94のBLEUスコアを達成しました。

Facebookが開発したWav2Vec2の大規模モデルで、960時間のLibri-LightとLibrispeechの音声データを基に事前学習と微調整を行い、自己学習目標を採用し、LibriSpeechテストセットでSOTAの結果を達成しました。

BERT基礎モデルを基にGLUE RTEタスクで微調整したテキスト分類モデル

Facebookが開発したWav2Vec2の基礎モデルで、960時間のLibrispeech音声オーディオで事前学習と微調整を行い、英語の自動音声認識タスクに使用されます。

Wav2Vec2アーキテクチャのランダム初期化バージョンに基づく、ロバスト性テスト用に設計された軽量級の自動音声認識（ASR）モデルです。

様々な自然言語タスクを処理できる多機能の大規模言語モデル

bert - base - uncasedをベースに微調整したモデルで、訓練精度は93.75%、検証精度は50%です。

T5-Baseアーキテクチャに基づいてドイツ語データセットで微調整されたテキスト要約生成モデル

これは汎用的なAIモデルで、様々なタスクに使用できます。具体的な機能はモデルの種類によって異なります。

SGPTはGPTアーキテクチャに基づく文埋め込みモデルで、意味検索タスクに特化しており、加重平均プーリング方式で文表現を生成します。