# 多輪對話優化

OpenChat v2系列是基於LLaMA-13B框架的語言模型，採用條件加權損失訓練，在多個基準測試中超越ChatGPT表現。

Llama-3.3-Nemotron-Super-49B-v1 是一個大型語言模型，基於 Meta Llama-3.3-70B-Instruct 改進，增強了推理能力、人類聊天偏好以及任務執行能力，支持 128K tokens 的上下文長度。

ArliAI推出的高性能角色扮演與創意寫作推理模型，基於320億參數的QwQ-32B基礎模型微調，專注於長對話連貫性和創造性輸出

FlashVL是一種優化視覺語言模型（VLMs）以用於即時應用的新方法，旨在實現超低延遲和高吞吐量，同時不犧牲準確性。

Big-Alice-28B-v1是一個28B參數的大語言模型，經過llama.cpp的imatrix量化處理，提供多種量化版本以適應不同硬件需求。

這是一個基於cross-encoder/ms-marco-MiniLM-L12-v2微調的交叉編碼器模型，用於文本重排序和語義搜索。

基於Qwen3-8B的俄語優化大語言模型，專為俄語文本生成任務設計

Typhoon2.1-Gemma3-12B 是一個基於Gemma3架構的120億參數泰語大語言模型，支持128K上下文長度和函數調用功能。

ELYZA-Thinking-1.0-Qwen-32B 是由 ELYZA, Inc 訓練的日語推理模型，基於 Qwen/Qwen2.5-32B-Instruct 進行後續訓練，增強了日語推理能力。

這是Qwen3-14B-abliterated模型的量化版本，使用llama.cpp的imatrix選項進行量化，適用於文本生成任務。

基於Hugging Face transformers庫的4B參數大語言模型，支持文本生成、思維模式切換、工具調用和長文本處理等功能。

Qwen3-8B的GGUF格式量化版本，由TensorBlock提供，兼容llama.cpp

這是一個基於Qwen/Qwen3-0.6B轉換的MLX格式文本生成模型，支持中文和英文文本生成任務。

Qwen3-0.6B-8bit是基於Qwen/Qwen3-0.6B轉換的8位量化版本，適用於MLX框架的文本生成模型。

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

Qwen-2.5-7B-base-RAG-RL 是一個基於未知數據集從頭開始訓練的7B參數規模的大語言模型，結合了檢索增強生成(RAG)和強化學習(RL)技術。

這是一個針對新冠疫情領域優化的英語Bert模型，由Multi2ConvAI項目開發

基於Llama-3-3B架構的指令微調模型，支持對話、推理和角色扮演等任務，適用於通用人工智能輔助場景。

Mistral 7B OpenOrca是基於Mistral-7B架構的大語言模型，由OpenOrca團隊訓練，專注於文本生成任務。

奧陌陌-7b指令調優版v2是一個融合多個預訓練語言模型的日語和英語文本生成模型，特別強化了角色扮演和多輪對話能力。

這是一個基於 Llama-70B 的蒸餾模型，經過 mlx-lm 轉換為 MLX 格式，並進行了 4 位量化處理。

Gemma-2-Llama-Swallow系列是通過對gemma-2模型進行持續預訓練構建的，顯著增強了日文語言處理能力，同時保留原有英文能力。

基於Google Gemma 3 270億參數指令調優模型的量化版本，採用量化感知訓練(QAT)權重生成，支持多種量化級別以適應不同硬件需求。

Bielik-1.5B-v3-Instruct是一款擁有16億參數的波蘭語生成式文本模型，基於Bielik-1.5B-v3進行指令微調，由SpeakLeash與ACK Cyfronet AGH合作開發。

通過SLERP方法合併的8B參數語言模型，結合了DeepSeek-R1和Nemotron-8B模型的優勢

基於谷歌Gemma-3-12B模型，專門針對泰盧固語進行監督式微調的大語言模型，支持高質量的文本生成和對話任務。

Gemma 2 27B IT 是一個基於 AutoAWQ 量化的 4-bit 大語言模型，適用於對話和指令跟隨任務。

這是NVIDIA Llama-3_1-Nemotron-Ultra-253B-v1模型的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於不同硬件環境。

Llama-4-Scout-17B-16E-Instruct是Meta發佈的17B參數指令微調大語言模型，經過量化處理以提高運行效率

這是Llama-4-Scout-17B-16E-Instruct的輕量版本，為用戶提供了一種更為精簡的使用選擇。

Gemma 3 4B Instruct 是 Google 開發的一個 40 億參數的大語言模型，專注於文本生成和理解任務。

Doge模型採用動態掩碼注意力機制進行序列轉換，並可使用多層感知機或跨域專家混合進行狀態轉換。

基於DPO方法微調的語言模型，適用於文本生成任務

基於Mistral-7B的烏克蘭語指令微調模型，使用Unsloth和TRL庫進行高效訓練

xLAM-2是基於先進數據合成和訓練管道構建的大型動作模型，擅長多輪對話和工具使用，能將用戶意圖轉化為可執行動作。

一個以成為AI虛擬主播靈魂為目標的混合專家模型，結合了代碼生成、指令跟隨和多輪對話能力

該模型是通過llama.cpp從google/gemma-3-4b-it轉換為GGUF格式的，適用於本地部署和推理。

基於Qwen2.5-32B-Instruct開發的日語推理模型，融合了QwQ-32B的ChatVector，優化了日語推理性能。

這是一個基於TheDrummer/Fallen-Gemma3-4B-v1模型的量化版本，使用llama.cpp進行量化處理，適用於文本生成任務。

Gemma 3 12B IT MLX 4Bit 是基於 unsloth/gemma-3-12b-it 轉換而來的 MLX 格式模型，適用於蘋果芯片設備。