# 指令優化

Phi-mini-MoE是一個輕量級的專家混合（MoE）模型，適用於英語的商業和研究場景，在資源受限環境和低延遲場景中表現出色。

Qwen3-Embedding-4B是基於Qwen3系列構建的文本嵌入模型，專為文本嵌入和排序任務設計，在多語言文本處理和代碼檢索等方面表現優異。

Qwen3是通義千問系列大語言模型的最新版本，提供了一系列密集型和混合專家（MoE）模型。基於大規模訓練，Qwen3在推理能力、指令遵循、智能體功能和多語言支持方面實現了突破性進展。

Qwen2.5-Coder-7B-Instruct 是一個基於 Qwen2.5 架構的 7B 參數規模的代碼生成模型，專注於指令微調，適用於代碼生成和編程輔助任務。

基於Qwen2.5架構的3B參數指令微調模型，使用Unsloth和Huggingface TRL庫優化訓練速度

這是一個24B參數規模的合併語言模型，採用TIES方法融合了多個24B規模的預訓練模型，專注於提供高質量的文本生成和理解能力。

基於Meta-Llama-3.1-8B-Instruct的合併模型，針對法律領域摘要任務進行了微調，能將法律術語轉換為簡短易懂的摘要。

Qwen2.5-7B-YOYO-super 是一個通過合併基礎模型和微調模型優化的開源大語言模型，專注於提升指令跟隨、數學和編碼能力。

基於Qwen2.5-VL-3B模型的微調版本，使用Unsloth和Huggingface TRL庫進行訓練，推理速度提升2倍

基於Qwen2.5-14B模型通過TIES方法融合的增強版本，專注於指令跟隨和對話優化

Qwen2.5-YOYO第五代模型，整合了多個先進模型的特點，優化了模型合併公式，支持100萬token上下文。

基於ChatML架構的對話模型，通過mergekit工具合併預訓練語言模型生成

多語言E5大型指令模型，支持多種語言的文本嵌入和分類任務

多語言E5大型指令模型，支持多種語言和任務，包括分類、檢索和聚類等。

多語言E5大型指令模型，支持多種語言和任務，包括分類、檢索、聚類等。

多語言E5大型指令模型，支持多種語言的文本嵌入和分類任務

Llama 3.3 70B Instruct AWQ INT4 是 Meta Llama 3.3 70B Instruct 模型的 4 位量化版本，適用於多語言對話用例，優化了文本生成任務。

英偉達定製的大型語言模型，旨在提升大語言模型生成回覆對用戶查詢的有用性。

Qwen2.5-1.5B-Instruct 模型的 GGUF 格式文件，適用於文本生成任務。

基於Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和TRL庫進行高效訓練

基於Qwen/Qwen2-0.5B-Instruct微調的獎勵模型，用於評估和優化生成內容的質量

Llama-3.1-Storm-8B是基於Llama-3.1-8B-Instruct構建的改進模型，在多項基準測試中表現優異，適用於對話和函數調用任務。

Llama-3.1-Storm-8B 是基於 Llama-3.1-8B-Instruct 開發的模型，旨在提升 80 億參數模型類的對話和函數調用能力。

多語言e5系列是多語言嵌入模型的最佳選擇之一，支持多種語言和任務。

基於Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和Huggingface TRL庫進行訓練，速度提升2倍。

這是一個基於Llama-3.1-8B-Instruct模型通過LoRA技術消除拒絕行為的改進版本

Llama 3.1 8B Instruct的INT4量化版本，基於AutoAWQ工具進行量化，適用於多語言對話場景。

Badger是通過遞歸最大成對不相交歸一化去噪傅里葉插值方法生成的Llama3 8B指令模型，融合了多個優秀模型的特性。

Mistral-7B-Instruct-v0.3 的量化版本，提供多種量化選項以適應不同硬件需求

這是一個使用mergekit工具合併的預訓練語言模型集合，基於Llama-3-8B架構和多個衍生模型合併而成。

Phi-3-Mini-4K-Instruct是一個38億參數的輕量級前沿開源模型，使用Phi-3數據集訓練而成，注重高質量和推理密集特性。

Suzume 8B是基於Llama 3的多語言微調版本，在近90,000個多語言對話上進行訓練，增強了多語言交流能力，同時保持了Llama 3的智能水平。

ECE-TW3-JRGL-V5 是一個通過 mergekit 合併 MoMo-72B-lora-1.8.7-DPO 和 alpaca-dragon-72b-v1 模型得到的新模型，融合了多個模型的優勢。

Noro-Hermes-3x7B 是一個採用懶人融合工具包構建的混合專家模型（MoE），融合了三個7B參數的Mistral變體模型，具備智能助手、創意角色扮演和通用任務處理能力。

這是一個基於CodeLlama-7b-Instruct-hf微調的GQL語言模型，專為TuGraph Analytics圖計算系統設計。

基於microsoft/phi-1_5模型使用IFprompMKR數據集進行qlora微調的版本，主要用於文本生成任務。

13B-Thorns是基於指令的LLaMAv2-13B集成合並模型，採用Alpaca格式，結合多個模型的優勢提供強大的語言處理能力。