# 多領域文本生成

一個基於llama.cpp量化的12B參數多語言大語言模型，支持角色扮演、故事創作及多領域專業任務

一個多語言、多用途的大型語言模型，支持多種專業領域和通用任務，適用於角色扮演、故事創作、編程等多種場景。

Falcon-H1-34B-Instruct 是一個34B參數規模的大型語言模型，專注於指令遵循任務。

基於PocketDoc/Dans-SakuraKaze-V1.0.0-12b的Llamacpp imatrix量化版本，支持多種量化類型，適用於文本生成任務。

PathummaLLM-text-1.0.0-7B 是一個支持泰語、中文和英語的70億參數大語言模型，基於OpenThaiLLM-Prebuilt進行指令微調，優化了RAG、約束生成和推理任務。

基於Llama-3.2-3B架構優化的孟加拉語大語言模型，擴展了42K孟加拉語標記並進行了微調，在孟加拉語理解和生成任務中表現優異。

Llama-3.1-Minitron-4B-Width-Base是一個基礎文本到文本模型，通過對Llama-3.1-8B進行剪枝獲得，適用於多種自然語言生成任務。

Minitron-8B-Base是通過剪裁Nemotron-4 15B獲得的大型語言模型，採用蒸餾持續訓練方法，相比從頭訓練節省了40倍的訓練token和1.8倍的計算成本。

基於專家混合（MoE）架構微調的語言模型，通過LazyMergekit框架融合多個模型，在指令任務中表現出色。

基於T5的模型，能夠將輸入的關鍵詞轉換為完整的句子。

基於印尼語的GPT-2中型預訓練模型，採用因果語言建模目標訓練，適用於印尼語文本生成任務。

基於GPT-Neo架構的希伯來語文本生成模型，專為希伯來語優化設計

針對意大利語預訓練的GPT2模型，117M參數，基於意大利語維基百科和ItWac語料庫訓練