# 文本生成優化

這是一個基於Qwen-14B模型微調的版本，使用GRPO方法進行訓練，適用於文本生成任務。

基於Llama架構的5億參數文本生成模型，專為創作故事而設計。

這是Sarvam-m模型的量化版本，支持多種印度語言和英語的文本生成任務。

Muse-12B是一個12B參數的文本生成模型，由LatitudeGames開發，旨在提供高質量的文本生成能力。

該模型經過自行量化處理，輸出和嵌入張量量化為f16格式，其餘張量量化為q5_k或q6_k格式，體積更小且性能與純f16相當。

MagTie-v1-12B是一個基於DARE TIES算法合併的12B參數語言模型，融合了多個預訓練模型的優勢

Mistral-Small-24B-Instruct-2501 是一個24B參數規模的指令微調大語言模型，支持多語言文本生成任務。

ACIP項目提供的Llama-2-13b可壓縮版本，支持動態調整壓縮率

Llama-xLAM-2-70b-fc-r 是由 Salesforce 發佈的大型語言模型，基於 Llama 2 架構，具有 700 億參數。

基於DeepSeek-V3架構的90億參數大語言模型，使用完全開源且僅含英文的3500億+token數據集從頭訓練而成，專為開源社區開發和調試設計。

這是一個基於Gemma-2-9B系列模型的融合模型，採用DARE TIES方法融合了多個Gemma變體，旨在提升文本生成能力。

這是一個基於Gemma-2-9B系列模型通過DARE TIES方法合併的多模型融合版本，整合了多個Gemma變體的優勢。

基於Gemma-2B和Gemma-9B模型通過SLERP方法合併的文本生成模型

這是一個使用mergekit工具通過模型庫存方法合併多個12B參數規模語言模型的結果

基於Phi 4架構的大型語言模型，擁有140億參數，針對自然語言處理和文本對話任務進行了優化。

基於Qwen2.5-7B的優化層合併（OLM）模型，通過自動化層重組技術提升性能

基於Llama3架構的70B參數大語言模型，經過特殊優化處理

基於Llama-2-7b微調的擴散語言模型

Llama-3.2-1B-Instruct的GGUF格式版本，提供更廣泛的支持和更好的性能。

L3-8B-Lunar-Stheno 是基於 L3-8B-Lunaris-v1 和 L3-8B-Stheno-v3.2 合併的模型，修復了響應過長和行動力不足的問題，提升了情境感知和文本生成能力。

WizardLM-2-7B-abliterated的Llamacpp imatrix量化版本，提供多種量化選項，適用於不同硬件配置。

LOLA是基於稀疏混合專家(Mixture-of-Experts)Transformer架構、支持160多種語言的超大規模多語言大模型，在自然語言生成與理解任務中具有競爭優勢。

Prodigy_7B的GGUF-Imatrix量化版本，採用重要性矩陣技術提升量化質量

FuseLLM-7B是一個融合了多個開源大型語言模型知識的統一模型，通過知識融合技術將不同架構的LLM能力整合到一個模型中。

基於Dolphin-2.6-Mistral-7B-DPO-Laser的中等規模混合專家(MoE)實現，在評估性能上平均提升約1分

這是一個基於Yi-34B-200K基礎模型，通過DARE Ties方法合併多個同源模型的高密度合併模型，具有200K長上下文處理能力。

基於GPT2的提示詞擴展模型，用於增強文本生成提示的質量和多樣性

Tiny-Vicuna-1B是基於TinyLLama 1.1B使用WizardVicuna數據集微調的輕量級模型，專為早期實驗迭代設計。

一個實驗性模型，用於修正英語和德語的拼寫錯誤及標點符號

FLAN-T5 XXL 是Google發佈的T5模型變體，在超過1000個額外任務上進行了微調，支持多種語言，性能優於原始T5模型。

該獎勵模型經過訓練，能夠預測在給定問題下人類評判者會認為哪個生成的答案更好。

該模型是基於distilroberta-base在wikitext2數據集上微調的版本，主要用於文本生成任務。

該模型是在wikitext數據集上對TinyBERT_L-4_H-312_v2進行微調的版本，主要用於文本相關任務。

該模型是在wikitext數據集上對TinyBERT_General_6L_768D進行微調的版本，主要用於文本相關任務。

該模型是基於distilroberta-base在wikitext2數據集上微調的版本，主要用於文本生成任務。

該模型是基於distilroberta-base在wikitext2數據集上微調的版本，主要用於文本生成任務。

基於SimCTG框架訓練的GPT-2語言模型，採用對比搜索方法生成更連貫的文本

該模型是基於t5-small在未知數據集上微調的版本，主要用於文本改寫任務，特別針對PubMed相關文本。

基於GPT-2中等規模版本的荷蘭語模型，僅重新訓練詞彙嵌入層以適應荷蘭語。

基於distilroberta-base模型在wikitext2數據集上微調的版本，適用於文本相關任務