# 学術研究専用

日本国立情報学研究所によって開発された大規模言語モデルで、LLM-jp-3をベースに構築され、指令事前学習技術を通じて指令に従う能力が大幅に向上しています。

ProofGPT-v0.1 はGPT-NeoXアーキテクチャを基にした67億パラメータの言語モデルで、proof-pileデータセットから訓練されました。

OLMo 2 1B SFTはOLMo-2-0425-1Bモデルの教師ありファインチューニング版で、Tulu 3データセットで訓練され、様々なタスクで最先端の性能を実現することを目的としています。

GaMS-27B-Instructは、グーグルのGemma 2シリーズをベースに改良された多言語大規模言語モデルで、特にスロベニア語などのバルカン半島の言語に最適化されています。

GaMS-9B-InstructはGoogle Gemma 2シリーズを基に開発されたスロベニア語大規模言語モデルで、スロベニア語、英語、および一部の南スラブ語族の言語をサポートしています。

F5-TTSを微調整したコンパクト版で、150時間のベトナム語音声データでトレーニングされており、研究用途のみに限定されます。

FineMath-Llama-3Bをファインチューニングした3BパラメータのQAモデルで、Numia-1.5 QAデータセットでトレーニング

Heraldは自然言語でアノテーションされたLean 4データセットで、主に自然言語処理と形式的検証の分野の研究に使用されます。

これはc4ai-command-r7b-12-2024-abliteratedモデルの量子化バージョンで、llama.cppを使用して量子化されており、複数の量子化タイプをサポートし、さまざまなハードウェア環境に適しています。

VARCO-VISION-14Bは強力な英韓視覚言語モデルで、画像とテキスト入力をサポートし、テキスト出力を生成します。位置特定、参照、OCR機能を備えています。

LlavaGuardは視覚言語モデルに基づくセキュリティ評価の守護者で、主に画像コンテンツの安全分類と違反検出に使用されます。

LlavaGuardは視覚言語モデルに基づくセキュリティ評価システムで、画像コンテンツの安全分類とコンプライアンスチェックに使用されます。

LlavaGuardは視覚言語モデルに基づくセキュリティ評価システムで、主に画像コンテンツの安全分類とコンプライアンスチェックに使用されます。

PyTorchベースの時系列予測事前学習モデルで、様々な時系列データ分析タスクに適用可能

これは事前学習された時系列予測モデルで、時系列データの分析と予測タスクに特化しています。

Wisperlamaは、DFGが資金提供するWispermedグループの博士課程学生チームによって開発されたテキスト生成モデルで、Llama-3.1アーキテクチャをベースに最適化されています。

Tucano-2b4は、ポルトガル語に特化して原生事前学習を行った大規模言語モデルで、トランスフォーマーアーキテクチャに基づき、2000億トークンのGigaVerboデータセットで学習されました。

これはTinyllamaコードフレームワークをベースに、RedPajama V2ドイツ語コーパスを使用してゼロからトレーニングされたドイツ語Tinyllama 1B言語モデルです。

Preferred Elements社が英日バイリンガルのオープンソースデータセットを基に訓練した千億パラメータモデルで、商用と非商用の両方のライセンスを提供します。

カンブリア紀は、視覚を中核に設計されたオープンソースのマルチモーダルLLM（大規模言語モデル）です。

Moirai-1.1-RはSalesforceが開発した時系列予測の基盤モデルで、低頻度データの予測性能が大幅に向上しています。

Moirai-1.0-Rモデルの全面アップグレード版で、Monashナレッジベースの40データセットにおいて顕著な進歩を達成、特に低頻度データシナリオに最適化されています。

Moirai-1.1-RはSalesforceがリリースした時系列予測の基盤モデルで、低頻度データ（年次データや四半期データなど）において優れた性能を発揮し、前世代モデルと比べて約20%の性能向上を実現しました。

ViT-L/14とマスクドセルフアテンションTransformerを基にしたCLIPモデルで、ゼロショット画像分類研究用

LatxaはLLaMA-2アーキテクチャに基づくバスク語大規模言語モデルで、低リソース言語向けに設計されており、42億トークンのバスク語コーパスで訓練されています

LlavaGuardは視覚言語モデルに基づくデータセットセキュリティ評価と保証フレームワークで、主にコンテンツセキュリティ評価に使用されます。

LLaMA-3-8Bをベースとした教師あり微調整モデルで、Salesforceによって開発され、強化学習ヒューマンフィードバック（RLHF）ワークフローの教師あり微調整段階で使用されます。

LLaMAntino-3-ANITAはMeta Llama 3をベースに構築された多言語（英語+イタリア語）大規模言語モデルで、イタリア語NLPタスクに最適化されています。

Minerva-1B-base-v1.0はSapienza NLPがFAIRおよびCINECAと共同開発した10億パラメータのイタリア語・英語バイリンガル大規模言語モデルで、2000億トークン（イタリア語1000億、英語1000億）で学習されています

DictaLM-2.0ベースの命令ファインチューニング大規模言語モデル、ヘブライ語と英語のチャットシナリオに最適化

CNERモデルはDeBERTa-v3-baseアーキテクチャに基づく固有表現認識モデルで、きめ細かいラベル付きの概念と固有表現を統合的に識別・分類できます。

ヘブライ語専用に設計された最先端言語モデル、BERTアーキテクチャに基づく感情分析モデル

Qraはポーランド国立情報処理研究所とグダニスク工科大学が共同開発したポーランド語最適化大規模言語モデルシリーズで、TinyLlama-1.1Bを初期化し900億のポーランド語トークンで訓練

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、大規模言語モデルのファインチューニングにより訓練され、画像とテキストのインタラクションをサポートします。

TURNAはUL2フレームワークに基づくトルコ語言語モデルで、理解と生成タスクに適しており、複数のトルコ語タスクで優れた性能を発揮します。

TheBeagleはThe Bagelデータセットでトレーニングされた70億パラメータモデルで、DPO（直接選好最適化）とUNA（統一ニューラルアーキテクチャ）技術を採用し、マルチタスクで優れた性能を発揮します。

TeenyTinyLlama-460mはブラジルポルトガル語に最適化されたオープンソースの小型言語モデルで、460Mパラメータ規模、Transformerアーキテクチャに基づいて事前訓練されています。

Phi-2アーキテクチャに基づく物理学分野のQAモデルで、arXiv物理学論文の内容に特化して指令ファインチューニングされています

LLaMA 2ベースのイタリア語適応大規模言語モデル、イタリア語テキスト生成タスクに特化