# 合成データ訓練

Phi-4-mini-reasoningは合成データに基づいて構築された軽量のオープンモデルで、高品質で推論に富んだデータに焦点を当て、より高度な数学的推論能力に対してさらに微調整されています。

Poseless-3Bは、視覚言語モデル（VLM）ベースのロボットハンド制御フレームワークで、明示的な姿勢推定なしに2D画像を関節角度に直接マッピングできます。

Jasper研究チームによって開発された低解像度画像を拡大するためのControlNetモデル

Depth Anything V2モデルを基に、屋内計量深度推定タスク向けにHypersim合成データセットでファインチューニングしたバージョン

Depth Anything V2をベースにしたファインチューニング版で、屋外シーンのメトリック深度推定のために設計され、合成データセットVirtual KITTIで訓練されています。

自己対戦選好最適化手法を用いて第3反復で開発された89億パラメータ言語モデル。google/gemma-2-9b-itをベースに、UltraFeedbackデータセットで微調整

Meta-Llama-3-8B-Instructアーキテクチャに基づき、Self-Play Preference Optimization方法を用いて第三次反復で開発された大規模言語モデル。

魔灵石 7BはMistral-7B-v0.1をベースに開発された言語モデルで、IBMの研究によるLABアラインメント方法で訓練され、複数のベンチマークテストで優れた性能を発揮します。

BERTアーキテクチャに基づく命名エンティティ認識(NER)コンテキスト再ソートモデルで、コンテキスト文がNER予測に与える影響度を評価するために使用されます。

RoBERTa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されており、GPUとCPUの両方で実行可能、完全に商用利用可能なデータでトレーニングされています。

Qwen-VL-chatを微調整した農業病害検出モデルで、米、トウモロコシ、小麦の3大作物の病害識別と防除アドバイスに特化しています。

Nous Hermes 2は、Mistral 7B DPOをベースにした次世代の旗艦級7B Hermesモデルで、DPO最適化を施し、複数のテストベンチマークで優れた性能を発揮します。

OpenMathモデルは、テキスト推理とPythonインタープリターで実行されるコードブロックを統合することで、数学問題を解くために特別に設計されています。OpenMathInstruct-1データセットを基に訓練され、180万の数学問題と解決策のペアを含んでいます。

OpenMathモデルはテキスト推論とPythonインタプリタ実行のコードブロックを組み合わせて数学問題を解決し、Mistral-7B-v0.1を微調整したものです

OCTFusionはPyTorchベースの画像分類モデルで、合成データにおいて100%の精度を達成しました。

T5ベースのモデルで、英語、ドイツ語、フランス語のテキスト中の文の誤りを修正するためのもの