# 多任務支持

Google Gemma-3n-E2B模型的靜態量化版本，提供多種量化類型以平衡模型大小和性能。

基於Redis Langcache Embed v1微調的句子轉換器模型，用於生成768維句子嵌入向量

基於Transformers庫的通用文本生成模型，支持多種自然語言處理任務

YOYO-O1-32B是一個融合了開源社區頂尖32B推理模型與代碼模型的多功能大語言模型，採用SCE融合技術構建。

一個支持多種語言的句子轉換器模型，適用於文本排序任務

Frigg-v2-8b-ACADEMIC-128K-Q4_K_M-GGUF 是一個基於 GGUF 格式的 8B 參數大語言模型，適用於多種文本生成任務。

0x Mini是由Ozone AI開發的輕量級語言模型，基於Llama-3.1架構優化，提供高效的文本生成能力

由Linkbricks Horizon - AI開發的日語強化語言模型，基於70B參數規模，支持日、韓、中、英多語言處理，擅長邏輯推理和跨語言任務。

Llama-3.2-Taiwan-1B 是一個基於 Meta 的 Llama-3.2-1B 模型的多語言文本生成模型，特別支持中文（臺灣地區）及其他多種語言。

OmniGen是一個統一的多模態圖像生成模型，能夠根據多樣化指令生成各類圖像，無需額外插件和預處理步驟。

該模型是一個基於Transformers架構的模型，具體用途和功能需要進一步信息確認。

SAM2-Hiera小型版是Meta發佈的SAM2模型的小型變體，用於高效的掩模生成任務。

這是一個基於BAAI/bge-base-en-v1.5微調而來的句子嵌入模型，專為金融領域文本設計，能夠將句子和段落映射到768維向量空間。

xFinder-qwen1505 是專為大語言模型（LLMs）關鍵答案提取設計的模型，通過對 Qwen-1.5-0.5B 微調訓練而成。

Bonito是一個開源的條件任務生成模型，專注於將未標註文本轉化為特定任務的指令調優訓練數據集。

YOLOv8 是 Ultralytics 開發的最新一代目標檢測模型，基於先前 YOLO 版本的成功構建，引入了新功能和改進，進一步提升性能和靈活性。

InstantID 是一種無需調優的先進方法，僅需單張圖像即可實現身份保持生成，支持多種下游任務。

騰訊安全玄武實驗室開發的隱私保護模型，通過隱藏敏感信息與還原輸出的流程保護用戶隱私。

基於公開可用的泰米爾語單語數據集訓練的BERT模型，適用於泰米爾語自然語言處理任務。

IndoBART是基於BART模型的先進印尼語語言模型，專為印尼語相關的自然語言處理任務設計。

採用全詞掩碼技術的中文預訓練BERT模型，旨在加速中文自然語言處理的發展。

由格羅寧根大學開發的荷蘭語預訓練BERT模型，適用於各種荷蘭語NLP任務。

基於西班牙語RoBERTa-base架構的預訓練模型，針對XNLI數據集進行微調，採用高斯採樣方法優化訓練數據質量

採用全詞掩碼策略的中文預訓練BERT模型，旨在加速中文自然語言處理研究進程。

希臘語BERT是一個基於希臘語的預訓練語言模型，適用於各種希臘語自然語言處理任務。

HeBERT是一個基於BERT架構的希伯來語預訓練語言模型，支持極性分析和情感識別等任務。