# Llama架構

基於Llama架構的5億參數文本生成模型，專為創作故事而設計。

基於Llama架構的3B參數語言模型，提供多種量化版本以適應不同硬件需求

本模型是基於canopylabs/3b-zh-ft-research_release轉換而來的GGUF格式模型，適用於中文文本生成任務。

這是一個基於slim-orpheus-3b-JAPANESE-ft模型轉換的GGUF格式模型，專門針對日語文本處理進行了優化。

這是一個基於Llama架構的70B參數大語言模型，經過6位量化處理，適用於文本生成任務。

這是一個用於調試的微型模型，採用隨機初始化，配置基於meta-llama的Llama-4-Maverick-17B-128E-Instruct模型。

無言是一個緊湊的開源文本到語義模型（10億參數），旨在直接將音頻轉換為離散的語義標記，無需依賴傳統的文本轉語音（TTS）模型。

TinyStories-656K 是一個輕量級的Transformer語言模型，專注於故事生成，僅使用約600k參數。

Llama-3 是一個基於 Transformer 架構的大語言模型，支持英語語言處理。

該模型是FineWeb消融實驗的一部分，參數為18.2億，基於Llama架構，使用FineWeb-Edu數據集訓練，適用於英文文本補全任務。

Orcamaid v3 13B 32K 是一個基於 Llama 架構的大語言模型，支持 32K 序列長度，適用於文本生成任務。

Finance LLM 是一個專注於金融領域的語言模型，基於 Llama 架構，經過 OpenOrca、Lima 和 WizardLM 等數據集的微調。

Med42 70B是由阿聯酋M42 Health創建的醫療助手模型，專注於醫療健康領域的文本生成任務。

這是一個韓語到英語的翻譯器，基於AIHUB的口語翻譯數據集訓練。

首個基於Llama架構重構的TinyStories-1M版本，專為生成兒童故事設計的概念驗證模型