# 參數高效

基於Qwen2.5-3B-Instruct模型在醫療健康數據集上微調的版本，旨在生成與醫療相關的響應，為用戶提供健康指導。

ACIP項目提供的Qwen2.5-7B可壓縮版本，支持動態調整壓縮率並保持模型性能

ACIP項目提供的可壓縮版本Llama-7B模型，支持動態調整壓縮率

該模型是基於TRL（Transformer Reinforcement Learning）庫優化的高效微調模型，專注於強化學習在Transformer模型中的應用。

TextNet是一款專為文本檢測設計的輕量高效架構，通過三個變體在檢測精度與推理速度間實現卓越平衡。

這是一個基於T5-base架構，使用LoRA技術微調的對話摘要模型，專為高效生成對話摘要而設計。

TimeMoE是一個基於專家混合(MoE)架構的十億級時間序列基礎模型，專注於時間序列預測任務。

這是一個經過剪枝和DPO訓練的7B參數規模的小型LLM，專為設備端用途優化

中文ELECTRA是由哈工大-訊飛聯合實驗室基於谷歌ELECTRA模型開發的中文預訓練模型，具有參數量小但性能優越的特點。