# 命令追従

命令追従能力を備えた韓国語最適化テキスト生成モデルで、軽量設計によりエッジデバイスへのデプロイに適しています

Gemma 3アーキテクチャに基づくペルシア語専用モデル。QLoRAを使用した4ビット量子化を採用し、ペルシア語のテキスト生成と理解に特化

Llama 3.1アーキテクチャに基づく8Bパラメータ言語モデルで、mergekitを使用して複数のモデルを統合し、テキスト生成能力を備えています

ペルシャ語初の画期的な大規模言語モデルで、130億のパラメータを持ち、ペルシャ語ウィキペディアのコーパスで訓練され、様々な自然言語処理タスクのために設計されています。

LLaVA-v1.5フレームワークでトレーニングされた大規模マルチモーダルモデルで、80億パラメータのMeta-Llama-3-8B-Instructを言語バックボーンとして採用し、CLIPベースの視覚エンコーダーを備えています。

Meta-Llama-3-8B-InstructとLLaVA-v1.5を統合したマルチモーダルモデルで、先進的な視覚-言語理解能力を提供

LLaVA-Gemma-7bはLLaVA-v1.5フレームワークでトレーニングされた大規模マルチモーダルモデルで、google/gemma-7b-itを言語バックボーンとして使用し、CLIP視覚エンコーダーと組み合わせており、マルチモーダル理解と生成タスクに適しています。

LLaVA-Gemma-2bはLLaVA-v1.5フレームワークでトレーニングされた大規模マルチモーダルモデルで、20億パラメータのGemma-2b-itを言語バックボーンとして使用し、CLIP視覚エンコーダーを組み合わせています。

MobiLlama-1B-ChatはMobiLlama-1Bを微調整した命令追従モデルで、リソース制約のあるデバイス向けに設計されており、効率性、低メモリ使用量、高速応答を重視しています。

LLaVAはオープンソースのマルチモーダルチャットボットで、マルチモーダル命令追従データでLLMをファインチューニングしてトレーニングされています。このバージョンはGGUF量子化バージョンで、複数の量子化オプションを提供しています。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaを微調整し、GPTが生成したマルチモーダル命令追従データに基づいてトレーニングされています。

スミレシリーズ言語モデルは命令追従とロシア語対話維持のために特別に訓練されており、第4世代はRLHFで最適化され、より強力な応答能力と豊富な情報量を備えています。

Boana-7B-InstructはLLaMA2-7Bをベースにしたポルトガル語命令ファインチューニングモデルで、ポルトガル語ユーザー向けに設計されており、低複雑度のLLMオプションを提供します。

Openchat 3.5 0106はMistralアーキテクチャに基づくオープンソースの対話モデルで、OpenChatチームによって開発されました。このモデルは高品質な対話体験を提供することに重点を置き、さまざまな対話タスクをサポートします。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaアーキテクチャをベースに、マルチモーダル命令追従データで微調整されています。

LLaVAはオープンソースのマルチモーダルチャットボットで、LLaMA/Vicunaを微調整し、GPTが生成したマルチモーダル命令追従データに基づいてトレーニングされています。

70億パラメータのSelf-RAGモデルで、多様なユーザークエリに対して出力を生成し、検索システムの呼び出し、出力内容と検索段落の自己批判、反省タグの生成を自立的に行えます。

LLaVAはオープンソースのマルチモーダルチャットボットで、GPTが生成したマルチモーダル命令追従データを用いてLLaMA/Vicunaをファインチューニングしてトレーニングされています。

LongLoRAは、シフトされたショートアテンションメカニズムによる長文脈処理を実現する効率的なファインチューニング技術で、8kから100kの文脈長をサポートします。

命令追従能力を備えた初の説明可能なメンタルヘルス分析オープンソース大規模言語モデル、LLaMA2-chat-7Bをファインチューニング

SynthIA（合成知能エージェント）はOrcaスタイルのデータセットでトレーニングされたLLama-2-70Bモデルで、命令追従と長い会話に優れています。

Llama2 70Bモデルを韓国語データセットでファインチューニングしたバージョンで、韓国語と英語のテキスト生成タスクに特化

StableVicuna-13BはVicuna-13B v0モデルを基に、人間のフィードバックによる強化学習（RLHF）と近接方策最適化（PPO）を用いて、様々な対話および命令データセットで微調整されたモデルです。

LLaMA-7Bをファインチューニングした命令追従モデルで、コード命令シナリオに特化して最適化されています