# 命令最適化

Phi-mini-MoEは、英語のビジネスや研究シーンに適した軽量級のエキスパートミックス（MoE）モデルで、リソースが制限された環境や低遅延シーンで優れた性能を発揮します。

Phi-3-Mini-4K-Instructは38億パラメータの軽量で最先端のオープンソースモデルで、Phi-3データセットを使用して訓練され、高品質と推論集中特性に重点を置いています。

Qwen3-Embedding-4BはQwen3シリーズに基づいて構築されたテキスト埋め込みモデルで、テキスト埋め込みとソートタスクに特化して設計され、多言語テキスト処理やコード検索などの分野で優れた性能を発揮します。

Qwen3は通義千問シリーズの大規模言語モデルの最新バージョンで、一連の高密度型および混合専門家（MoE）モデルを提供しています。大規模なトレーニングに基づき、Qwen3は推論能力、命令追従、エージェント機能、多言語サポートにおいて画期的な進歩を実現しました。

Qwen2.5-Coder-7B-Instruct は Qwen2.5 アーキテクチャに基づく 7B パラメータ規模のコード生成モデルで、命令微調整に特化しており、コード生成やプログラミング支援タスクに適しています。

Qwen2.5アーキテクチャに基づく3Bパラメータの命令ファインチューニングモデル、UnslothとHuggingface TRLライブラリでトレーニング速度を最適化

これは24Bパラメータ規模の統合言語モデルで、TIESメソッドを用いて複数の24B規模の事前学習モデルを融合し、高品質なテキスト生成と理解能力を提供することに特化しています。

Meta-Llama-3.1-8B-Instructをベースにした統合モデルで、法律分野の要約タスク向けに微調整されており、法律用語を簡潔で分かりやすい要約に変換できます。

Qwen2.5-7B-YOYO-super は、ベースモデルとファインチューニングモデルを統合して最適化されたオープンソースの大規模言語モデルで、命令追従、数学、コーディング能力の向上に焦点を当てています。

Qwen2.5-VL-3Bモデルを基にしたファインチューニング版で、UnslothとHuggingface TRLライブラリを使用して訓練され、推論速度が2倍向上

Qwen2.5-14BモデルをベースにTIES手法で融合した強化版で、命令追従と対話最適化に特化

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。

ChatMLアーキテクチャに基づく対話モデルで、mergekitツールを使用して事前訓練された言語モデルを統合して生成

多言語E5大型命令モデル、複数言語のテキスト埋め込みと分類タスクをサポート

多言語E5大型命令モデル、複数の言語とタスクをサポート、分類、検索、クラスタリングなど。

多言語E5大型命令モデル、複数の言語とタスクをサポート、分類、検索、クラスタリングなど。

多言語E5大型命令モデルで、複数の言語のテキスト埋め込みと分類タスクをサポートします。

Llama 3.3 70B Instruct AWQ INT4 は、Meta Llama 3.3 70B Instructモデルの4ビット量子化バージョンで、多言語対話ユースケースに適しており、テキスト生成タスクを最適化しています。

NVIDIAがカスタマイズした大規模言語モデルで、大規模言語モデルがユーザーのクエリに対して生成する返答の有用性を向上させることを目的としています。

Meta-Llama-3.1-8B-Instructを基にした4ビット量子化バージョンで、UnslothとTRLライブラリを使用して効率的にトレーニングされています

Qwen/Qwen2-0.5B-Instructをファインチューニングした報酬モデルで、生成コンテンツの品質評価と最適化に使用

Llama-3.1-Storm-8BはLlama-3.1-8B-Instructを基に構築された改良モデルで、複数のベンチマークテストで優れた性能を発揮し、対話や関数呼び出しタスクに適しています。

Llama-3.1-Storm-8Bは、Llama-3.1-8B-Instructをベースに開発されたモデルで、80億パラメータモデルクラスの対話および関数呼び出し能力を向上させることを目的としています。

多言語e5シリーズは多言語埋め込みモデルの最適な選択肢の一つで、複数の言語とタスクをサポートします。

Meta-Llama-3.1-8B-Instructを基にした4ビット量子化バージョンで、UnslothとHuggingface TRLライブラリを使用して訓練され、速度が2倍向上しました。

これはLlama-3.1-8B-Instructモデルを基にLoRA技術で拒否行動を除去した改良版です

Llama 3.1 8B InstructのINT4量子化バージョンで、AutoAWQツールを使用して量子化されており、多言語対話シナリオに適しています。

Badgerは再帰的最大ペアワイズ非交和正規化ノイズ除去フーリエ補間法によって生成されたLlama3 8B命令モデルで、複数の優れたモデルの特性を融合しています。

Mistral-7B-Instruct-v0.3の量子化バージョン、さまざまなハードウェア要件に対応するための複数の量子化オプションを提供

これはmergekitツールを使用してマージされた事前訓練済み言語モデルの集合で、Llama-3-8Bアーキテクチャと複数の派生モデルを統合したものです。

スズメ 8BはLlama 3をベースにした多言語ファインチューニング版で、約90,000の多言語対話で訓練され、多言語コミュニケーション能力を強化しながらLlama 3の知的水準を維持しています。

Noro-Hermes-3x7Bは、LazyMergeKitツールを使用して構築された混合専門家モデル（MoE）で、3つの7BパラメータのMistralバリエーションモデルを融合し、インテリジェントアシスタント、クリエイティブなロールプレイ、一般的なタスク処理能力を備えています。

これはCodeLlama-7b-Instruct-hfをベースにファインチューニングしたGQL言語モデルで、TuGraph Analyticsグラフ計算システム向けに設計されています。

microsoft/phi-1_5モデルをベースにIFprompMKRデータセットを使用してqlora微調整を行ったバージョンで、主にテキスト生成タスクに使用されます。