# 研究専用

これはQwen3-30B-A3B-abliteratedの4ビット量子化モデルで、パラメータ規模は8B相当で、テキスト生成タスクに適しています。

F5アーキテクチャに基づいてゼロからトレーニングされたヒンディー語テキスト読み上げモデルで、インド工科大学マドラス校SPRING研究所によって開発されました。

LlavaGuard-v1.2-0.5B-OVは画像テキストベースのモデルで、コンテンツセキュリティ評価に特化し、研究者向けに設計されています。

NLLB-200は200言語をサポートするニューラル機械翻訳モデルで、低リソース言語の翻訳研究に焦点を当てています。

transformersライブラリに基づく医学分野のテキスト生成モデルで、医学研究と疾病診断支援に特化しています。

xLAM-v0.1は大規模アクションモデルシリーズの大幅なアップグレード版で、パラメータ数が同じ条件下で、幅広いエージェントタスクやシナリオで微調整されており、元のモデルの能力を保持しています。

16億パラメータのマルチモーダルモデル、SigLIPとPhi-1.5技術アーキテクチャを融合、画像理解と質問応答タスクをサポート

SwiftBrushは変分スコア蒸留に基づくワンステップテキスト生成画像拡散モデルで、高品質な画像を迅速に生成することに特化しています。

静止画像を条件フレームとして短い動画クリップを生成する拡散モデル

Orca 2はマイクロソフトが開発した研究用言語モデルで、小型言語モデルの推論能力向上に焦点を当てています。

これはTinyStories V2データセットで事前学習された小型GPT-2モデルで、300万のトレーニング可能なパラメータを持ち、優れたテキスト生成の一貫性を示します。

KoLLaMAは韓国語/英語/コードデータセットでトレーニングされたLLaMAアーキテクチャの大規模言語モデルで、韓国語オープンソース大規模言語モデル研究に特化しています。

SD-XL 0.9-refinerはStability AIが開発した潜在拡散モデルで、高品質な画像最適化のために設計されており、ベースモデルと併用する必要があります

このリポジトリには、スタンフォードAlpacaデータセットで内部調整されたLLaMA-7bモデルが含まれており、主に機械翻訳研究に使用されます。

CLIPはマルチモーダルな視覚言語モデルで、画像とテキストを共有の埋め込み空間にマッピングし、ゼロショット画像分類とクロスモーダル検索を実現します。

ドイツ語の大規模クリーン版Common Crawlコーパス（GC4）に基づいてトレーニングされた超大規模ドイツ語言語モデルで、総規模は約844GBであり、バイアスが含まれる可能性があります。

これは汎用的なAIモデルで、様々なタスクに使用できます。具体的な機能はモデルの種類によって異なります。