# 輕量級微調

QVikhr-3-1.7B-Instruction-noreasoning 是一個基於 Qwen/Qwen3-1.7B 的指令模型，在俄語數據集 GrandMaster2 上進行訓練，專為高效處理俄語和英語文本而設計。

ThinkEdit是一種輕量級權重編輯方法，通過識別並編輯少量注意力頭，緩解大語言模型在推理任務中生成過度簡短思維鏈的問題，提升推理準確性。

Hermes 3 3B 是 Nous Research 的 Hermes 系列 LLM 中一個雖小但強大的新成員，專注於將 LLM 與用戶對齊，賦予最終用戶強大的引導和控制能力。

Qwen 2.5 0.5B 是一款緊湊而強大的語言模型，基於Qwen/Qwen2.5-0.5B-Instruct微調，支持多種語言，性能接近Llama 3.2 1B模型。

基於google/mt5-small在gazeta數據集上微調的俄語摘要生成模型

基於25萬個葡萄牙語聊天數據集訓練的Mistral 7B微調模型，專為葡萄牙語聊天場景優化

Mamba是一個基於狀態空間模型(SSM)的高效語言模型，具有線性時間複雜度的序列建模能力。

Mamba是基於狀態空間模型(SSM)架構的高效語言模型，具有1.4B參數規模，支持文本生成任務

基於Mamba架構的28億參數語言模型，兼容HuggingFace Transformers庫

基於TinyLlama-1.1B微調的塔羅牌解讀模型，能夠根據塔羅牌進行預測和解讀。

BLIP2是基於OPT-2.7B的視覺語言模型，專注於視覺問答任務，能夠理解圖像內容並回答相關問題。

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。

Tiny Vicuna 1B是基於TinyLlama在WizardVicuna數據集上微調的版本，與Vicuna-v1.5系列兼容，適合早期實驗迭代。

Orca 2 13B 是微軟基於LLAMA-2微調的大語言模型，提供GGUF格式量化文件，支持多種硬件環境下的高效推理。

基於Llama2架構的預訓練語言模型，適用於英語文本生成任務

基於Salesforce/blip-image-captioning-base微調的圖像描述生成模型

這是一個專為西班牙語優化的高效微型T5模型，體積小(<29MB)，適合CPU使用，需要微調後使用

基於Salesforce/codet5-small微調的模型，用於為Python函數生成文檔字符串

一個經過優化校準的微型T5模型，適用於文本生成和轉換任務，具有輕量化和高效的特點。

該模型是基於新聞數據集微調的句子轉換器，專門用於語義搜索和句子相似度計算。

基於distilroberta-base微調的模型，具體用途和訓練數據未明確說明

基於dbmdz/distilbert-base-turkish-cased微調的土耳其語文本編碼器，用於與CLIP的ViT-B/32圖像編碼器配合使用

基於ELECTRA-small架構的命名實體識別模型，在wikiann數據集上微調