# 長文理解

Qwen3-Embedding-8BはQwenファミリーの最新の専用モデルで、テキスト埋め込みとソートタスク用に設計されており、Qwen3シリーズの密集型基礎モデルに基づいて構築され、卓越した多言語能力と長文理解能力を持っています。

Qwen3-Reranker-4Bは通義ファミリーが最新でリリースした4Bパラメータ規模のテキスト再ランキングモデルで、100種類以上の言語をサポートし、テキスト検索タスクで卓越した性能を発揮します。

Qwen3-14B-Baseは通義シリーズの最新世代の大規模言語モデルで、包括的な密集型および混合専門家（MoE）モデルを提供し、学習データ、モデルアーキテクチャ、最適化技術において顕著な改善が見られます。

Qwen3は通義千問シリーズ最新世代の6億パラメータ大規模言語モデルで、32kのコンテキスト長をサポートし、119言語をカバー

Qwen3-4B-Baseは通義千問シリーズ最新世代の40億パラメータ大規模言語モデルで、36兆トークンの多言語データで事前学習され、32kのコンテキスト長をサポートします。

SLERP法でマージされた8Bパラメータ言語モデル、DeepSeek-R1とNemotron-8Bモデルの利点を統合

INT8量子化を施した24BパラメータのMistral命令微調整モデルで、GPUメモリ要件を大幅に削減し、計算スループットを向上させます。

Qwen2.5-7B-Instructをファインチューニングしたモデルで、ブログ記事やウェブコンテンツからキーポイントを抽出し、簡潔なポイント形式の要約を生成するために特化しています。

ModernBERT-largeをベースにしたマルチタスクファインチューニングモデルで、自然言語推論(NLI)タスクに特化しており、ゼロショット分類や推論タスクで優れた性能を発揮します。

LumimaidとMagnum v4をDELLAマージ方法でマージし、Claude入力最適化を施したNemoモデルを加えた12Bパラメータの大規模言語モデル

LLM2CLIPは、大規模言語モデル（LLM）を活用してCLIPの潜在能力を解放する革新的な手法で、対照学習フレームワークを通じてテキスト識別性を向上させ、元のCLIPテキストエンコーダーの制限を突破します。

LLM2CLIPは革新的な手法で、大規模言語モデルによってCLIPのクロスモーダル能力を強化し、視覚とテキスト表現の識別力を大幅に向上させます。

LLM2CLIPは大規模言語モデル（LLM）を活用してCLIPの能力を拡張する革新的な手法で、対照学習フレームワークを通じてテキストの識別性を向上させ、クロスモーダルタスクの性能を大幅に向上させます。

LLM2CLIPは革新的な手法で、大規模言語モデル(LLM)を用いてCLIPの視覚表現能力を強化し、クロスモーダルタスクの性能を大幅に向上させます

BitNet 1.58bアーキテクチャを基にファインチューニングされた大規模言語モデルで、ベースモデルはLlama-3-8B-Instruct、極端な量子化技術を採用

InternLM-XComposer2.5は卓越した画像テキスト理解と創作モデルで、わずか7BパラメータでGPT-4Vレベルを達成し、24Kのインターレース画像テキストコンテキストをサポートし、96Kの長いコンテキストまで拡張可能です。

Microsoft Phi-3-medium-128k-instructをファインチューニングした大規模言語モデルで、ChatML形式の対話をサポート

Yi-1.5はYiモデルのアップグレード版で、プログラミング、数学、推論、指示追従能力においてより優れたパフォーマンスを発揮し、卓越した言語理解、常識推論、読解力を維持しています。

Dolphin 2.7 Mixtral 8X7BはMixtralアーキテクチャに基づく大規模言語モデルで、コード生成と命令追従タスクに特化しています。

Mistral-7B-v0.1をベースにした事前学習継続モデルで、スウェーデンのフォーラムFlashbackの40GBテキストデータを使用して微調整され、多言語生成をサポートします。

Bloomz-3b-chat-dpoをファインチューニングした自然言語推論モデルで、英語とフランス語の意味関係判断をサポート

Yi-34B-Chatは01.AIによって開発されたバイリンガル大規模言語モデルで、言語理解、一般常識推論、および読解力に優れ、中国語と英語の双方向対話をサポートしています。

完全無料でオープンソースの初のイタリア大規模言語モデル、mistral-7bをベースに構築、イタリア語に最適化され、Llama2 13Bを性能で上回る

アリクラウドが開発した70億パラメータ規模の大規模言語モデル。Transformerアーキテクチャに基づき、中英二か国語とコード処理をサポートし、マルチターン対話能力を備える。

百川-7Bは百川智能が開発したオープンソースの大規模事前学習言語モデルで、Transformerアーキテクチャを基に70億のパラメータを持ち、中英バイリンガルのコーパスで訓練され、4096のコンテキストウィンドウをサポートしています。

Manticore 13BはLlama 13Bモデルを複数の高品質データセットでファインチューニングした大規模言語モデルで、テキスト生成タスクに優れています。

このモデルはmilqaデータセットを使用してdeepset/xlm-roberta-large-squad2をファインチューニングしたハンガリー語QAモデルで、回答がないケースの処理をサポートします。

日本語Wikipediaデータで事前学習されたBERT-largeモデル、UDヘッド解析タスクで微調整済み

中国語生成型QAの最初の事前学習済みT5モデル、悟道180Gコーパスで事前学習され、中国語SQuADとCMRC2018データセットでファインチューニング済み

これはELECTRAアーキテクチャに基づく大規模識別器モデルで、質問応答タスクのためにSQuAD2.0データセットでファインチューニングされており、回答あり・なしの両方の質問シナリオを処理できます。

BART-largeアーキテクチャに基づく質問応答システムモデルで、SQuAD2.0データセットでファインチューニングされており、与えられたテキストから回答を抽出するのに優れています

Transformerアーキテクチャに基づく大規模言語モデルで、中国語と英語のテキスト理解と生成タスクをサポートします。

これは質問応答タスクのためにSQuADv2データセットでファインチューニングされたxlm-roberta-largeモデルです

これは自然言語テキストを理解し生成できる多機能の大規模言語モデルです。

百度WebQAと百度DuReaderデータセットで事前学習されたAlbert大型中国語QAモデルで、中国語の質問応答タスクに適しています。

ALBERTとGPT2アーキテクチャに基づくニュース要約生成モデルで、CNN/DailyMailデータセットで微調整されました。