# 大規模參數

Meta發佈的基於PyTorch框架的預訓練語言模型，適用於非商業研究用途。

字節跳動研究團隊發佈的72B參數規模的多模態基礎模型，專注於圖像文本轉文本任務

NLLB-200-3.3B是Meta（原Facebook）開發的多語言神經機器翻譯模型，支持200種語言之間的翻譯任務。

琉璃重排序器是一個日語通用重排序模型，基於Sentence Transformers架構，專門用於日語文本相關性排序任務。

GTE-v1.5系列中的大型英語文本編碼器，支持長達8192的上下文長度，基於改進的BERT架構構建。

這是一個基於GPT-2架構的774M參數語言模型，使用FineWeb數據集中的1500億token進行訓練。

aya-23-35B-GGUF量化版是基於CohereForAI/aya-23-35B的GGUF量化版本，支持23種語言的多語言文本生成任務。

GNER-T5-xxl是基於Flan-T5架構的生成式命名實體識別模型，參數量達11B，在零樣本識別任務中表現優異。

基於LLaMa架構的130億參數大規模預訓練模型，針對中文分詞進行優化，完成1100億token的中英文增量預訓練，顯著提升中文生成與理解能力

T5高效大型-NH32是谷歌T5模型的深度窄型變體，專注於通過增加模型深度提升下游任務性能。

T5-Efficient-LARGE是基於谷歌T5的變體，採用深度窄型架構優化下游任務性能，擁有7.377億參數。

BlenderBot是一個開放域聊天機器人模型，專注於多輪對話和多種對話技能的融合。