# 対話最適化

NVIDIAがリリースした40億パラメータ規模の大規模言語モデルで、128kトークンのコンテキスト長をサポートし、推論、対話、RAGなどのタスクに最適化されています

これは複数の高品質モデルを統合したハイブリッドモデルで、中国語テキスト生成と対話タスクに特化しています。

Google Gemma 3Bモデルを基にした量子化バージョンで、llama.cppを使用して最適化され、様々な量子化レベルをサポートし、テキスト生成タスクに適しています。

Qwen2-1.5B-Instructはアリババクラウドが提供する15億パラメータ規模の命令ファインチューニング大規模言語モデルで、Q&Aや対話タスクに適しています。

SLERP方法を通じて2つの事前学習言語モデルを融合し、それぞれの優位性を結合して性能と適用性を向上させることを目的としています。

RombUltima-32B は融合モデルで、Rombos-LLM-V2.5-Qwen-32b と Ultima-32B の利点を組み合わせ、推論能力、多言語理解能力、および多輪対話のパフォーマンスを最適化しています。

MetaがリリースしたLlama 2シリーズ7BパラメータチャットモデルのGGUF量子化バージョン、ローカル展開と推論に適しています

Llama-3-Chinese-8B-Instruct-v3 は複数の混合モデルをさらにファインチューニングした中国語命令モデルで、対話や質問応答などのシナリオに適しています。

Meta Llama3 Instruct 8BはMetaがリリースした8Bパラメータの命令調整大規模言語モデルで、対話シーンに最適化され、安全性と有用性の面で優れた性能を発揮します。

Llama 3 8B 64KはMetaのLlama 3 8Bモデルをベースに、PoSE技術を用いてコンテキスト長を8kから64kに拡張し、言語生成能力を最適化したもので、対話などの様々な自然言語処理シーンに適しています。

Metaが開発した80億パラメータの大規模言語モデルで、対話シーンに最適化され、実用性とセキュリティを兼ね備えています。

Meta Llama 3シリーズの大規模言語モデルで、80億パラメータ規模の命令ファインチューニングされたテキスト生成モデルであり、対話シナリオ向けに最適化されています。

Percival_01-7b-slerpはOPENLLMランキングで2位を獲得した7Bパラメータ規模の大規模言語モデルで、LazyMergekitツールを使用してliminerity/M7-7bとGille/StrangeMerges_32-7B-slerpの2つのモデルを統合して作成されました。

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。

OpenChat 3.5 7BはMistralアーキテクチャに基づく7Bパラメータの大規模言語モデルで、OpenChatチームによって開発され、Apache 2.0ライセンスで公開されています。

Pythia-2.8bベースの因果言語モデルで、Anthropicの人間嗜好データセットを使用した教師ありファインチューニングを実施

Pythia-6.9bベースモデルを使用し、Anthropicのhh-rlhfデータセットで教師ありファインチューニングされた因果言語モデル

fLlama 2はLlama 2モデルに関数呼び出し機能を拡張し、関数名とパラメータを含む構造化JSONレスポンスを返します。このバージョンはGPTQ手法でトレーニングされ、高速な推論と良好な精度を提供します。

Llama 2はMetaが開発した700億パラメータの対話最適化大規模言語モデルで、ほとんどのベンチマークテストでオープンソースの対話モデルを上回り、安全性は主要なクローズドソースモデルに匹敵します

Llama 2はMetaがオープンソース化した130億パラメータの対話最適化大規模言語モデルで、RLHFを用いて人間の嗜好にアライメントされ、4kのコンテキスト長をサポート

OPT-1.3bモデルを基に、DeepSpeed-ChatフレームワークでRLHF訓練を施した対話生成モデル