# 軽量ファインチューニング

QVikhr-3-1.7B-Instruction-noreasoningは、Qwen/Qwen3-1.7Bに基づく命令モデルで、ロシア語データセットGrandMaster2で訓練され、ロシア語と英語のテキストを高効率に処理するために設計されています。

ThinkEditは軽量な重み編集手法で、少数のアテンションヘッドを特定・編集することで、大規模言語モデルが推論タスクで過度に短い思考連鎖を生成する問題を緩和し、推論精度を向上させます。

google/mt5-smallをgazetaデータセットでファインチューニングしたロシア語要約生成モデル

phi3はApache-2.0ライセンスのオープンソースモデルで、英語をサポートし、主に要約生成タスクに使用されます。

25万件のポルトガル語チャットデータセットを基に訓練されたMistral 7Bのファインチューニングモデルで、ポルトガル語チャットシーンに特化して最適化されています。

Mambaは状態空間モデル(SSM)に基づく効率的な言語モデルで、線形時間計算量のシーケンスモデリング能力を持っています。

TinyLlama-1.1Bをファインチューニングしたタロットカード解釈モデルで、タロットカードに基づいた予測と解釈が可能です。

Tiny-Vicuna-1BはTinyLLama 1.1BをベースにWizardVicunaデータセットでファインチューニングした軽量モデルで、初期段階の実験反復を目的として設計されています。

Tiny Vicuna 1BはTinyLlamaをWizardVicuna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、Vicuna-v1.5シリーズと互換性があり、初期の実験イテレーションに適しています。

Orca 2 13Bは、MicrosoftがLLAMA - 2をベースにファインチューニングした大規模言語モデルで、GGUF形式の量子化ファイルを提供し、さまざまなハードウェア環境での効率的な推論をサポートします。

Llama2アーキテクチャに基づく事前学習済み言語モデルで、英語テキスト生成タスクに適しています

Salesforce/blip-image-captioning-baseをファインチューニングした画像キャプション生成モデル

これはスペイン語に最適化された効率的なマイクロT5モデルで、サイズが小さく(<29MB)、CPU使用に適しており、ファインチューニング後に使用する必要があります

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。

このモデルはニュースデータセットでファインチューニングされた文変換器で、意味検索と文類似度計算に特化しています。

distilroberta-baseをファインチューニングしたモデル、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

ELECTRA-smallアーキテクチャに基づく命名エンティティ認識モデルで、wikiannデータセットでファインチューニングされています。

dbmdz/distilbert-base-turkish-casedをベースにファインチューニングされたトルコ語テキストエンコーダーで、CLIPのViT - B/32画像エンコーダーと組み合わせて使用するためのものです。