# 研究專用

這是Qwen3-30B-A3B-abliterated的4位量化模型，參數規模相當於8B，適合文本生成任務。

基於F5架構從頭開始訓練的印地語文本轉語音模型，由印度理工學院馬德拉斯分校SPRING實驗室開發。

LlavaGuard-v1.2-0.5B-OV是一個基於圖像文本的模型，專注於內容安全評估，面向研究人員設計。

NLLB-200是一個支持200種語言的神經機器翻譯模型，專注於低資源語言的翻譯研究。

基於transformers庫的醫學領域文本生成模型，專注於醫學研究和疾病診斷輔助。

xLAM-v0.1是大型動作模型系列的重大升級版本，在參數數量相同的情況下，已在廣泛的代理任務和場景中進行了微調，同時保留了原始模型的能力。

16億參數的多模態模型，融合SigLIP與Phi-1.5技術架構，支持圖像理解和問答任務

SwiftBrush 是基於變分分數蒸餾的一步式文本生成圖像擴散模型，專注於快速生成高質量圖像。

一個擴散模型，可將靜態圖像作為條件幀生成短視頻片段

Orca 2是微軟開發的研究用途語言模型，專注於提升小型語言模型的推理能力。

這是一個小型GPT-2模型，在TinyStories V2數據集上預訓練，具有3M可訓練參數，表現出良好的文本生成連貫性。

KoLLaMA是基於韓語/英語/代碼數據集訓練的LLaMA架構大語言模型，專注於韓語開源大語言模型研究。

SD-XL 0.9-refiner是Stability AI開發的潛在擴散模型，專為高質量圖像優化設計，需與基礎模型配合使用

該倉庫包含一個基於斯坦福Alpaca數據集內部調優的LLaMA-7b模型，主要用於機器翻譯研究。

基於德語海量清潔版Common Crawl語料庫（GC4）訓練的超大規模德語語言模型，總規模約844GB，可能存在偏見。

這是一個通用的AI模型，可用於多種任務。具體功能取決於模型類型。