# 少数サンプル適応

カッコウは3億パラメータの情報抽出モデルで、大規模言語モデルの次トークン予測パラダイムを模倣して情報抽出を行い、様々なテキストリソースを利用して自己強化できます。

スーパーレインボーカッコウは次語抽出(NTE)パラダイムに基づく小型情報抽出モデルで、大規模言語モデルの予測方法を模倣することで効率的な情報抽出を実現します。

Smart-Lemon-Cookie-7B は mergekit を使用して統合された事前学習済み言語モデルで、複数のモデルの長所を組み合わせ、テキスト生成やロールプレイタスクに適しています。

Pasta-Lake-7bは、Test157t/Pasta-PrimaMaid-7bとmacadeliccc/WestLake-7B-v2-laser-truthy-dpoの2つのモデルを統合して作成された7Bパラメータ規模の言語モデルです。

Blurdus-7b-v0.1はLazyMergekitを使用して3つの7Bパラメータモデルを統合したハイブリッドモデルで、複数のベンチマークテストで優れた性能を発揮します。

supermario-v2はMistral-7B-v0.1をベースにしたマージモデルで、DARE_TIESメソッドを使用して3つの異なるモデルを統合し、優れたテキスト生成能力を備えています。

TimeSformerアーキテクチャに基づくビデオ行動認識モデルで、Kinetics-400データセットで事前学習され、UCF101データセットでファインチューニングされています

テキスト生成や変換タスクに適した、軽量で効率的な最適化キャリブレーション済みのミニT5モデルです。

GoogleのViT基本アーキテクチャに基づき、EuroSATリモートセンシング画像データセットでファインチューニングされた画像分類モデル

このモデルはmicrosoft/beit-base-patch16-224-pt22k-ft22kをファインチューニングしたバージョンで、具体的な用途とトレーニングデータは明記されていません。

google/vit-base-patch16-224を画像フォルダデータセットでファインチューニングしたVision Transformerモデルで、画像分類タスクに使用されます。

microsoft/beit-base-patch16-224-pt22k-ft22kを基に微調整した画像分類モデルで、評価データセットで98.92%の精度を達成。

このモデルはgoogle/vit-base-patch16-224-in21kをファインチューニングしたビジョントランスフォーマーモデルで、主に画像分類タスクに使用されます。

マイクロソフトResNet-50モデルを画像フォルダデータセットでファインチューニングした画像分類モデルで、精度は97.64%

Google Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、カスタム画像データセットで微調整され、評価精度は100%に達しました