# 開放域問答

基於Gensyn/Qwen2.5-0.5B-Instruct微調的版本，採用TRL框架和GRPO算法訓練

VideoLLaMA 2是一個多模態大語言模型，專注於視頻理解和時空建模，支持視頻和圖像輸入，能夠進行視覺問答和對話任務。

基於Bloomz-560m-dpo-chat模型的雙編碼器，用於將文章和查詢映射到同一向量空間，支持法語和英語的跨語言檢索。

基於因果語言建模(CLM)架構的對話AI，專為自然語言交互設計，能夠生成連貫且符合上下文的響應。

基於Mistral-7B微調的70億參數可信度感知生成模型，具備理解並運用上下文可信度進行內容生成的能力。

基於Bloomz-3b構建的跨語言重排序模型，用於衡量查詢與上下文之間的語義相關性，支持法語和英語。

該模型的具體信息未在提供的論文中明確描述。

Blurdus-7b-v0.1是通過LazyMergekit合併三個7B參數模型得到的混合模型，在多個基準測試中表現優異。

一個101M參數的輕量級Llama聊天模型，基於smol_llama-101M-GQA微調，適用於對話生成任務。

這是一個通過arXiv論文2312.17090發佈的多模態模型，可能具備文本和視覺處理能力

IDEFICS 是 Deepmind 開發的閉源視覺語言模型 Flamingo 的開源復現版本，是一個多模態模型，可以接受任意序列的圖像和文本輸入，並生成文本輸出。

InstructBLIP是基於BLIP-2的視覺指令調優版本，採用Vicuna-7B作為語言模型，專注於視覺語言任務。

PromptCap是一個可通過自然語言指令控制的圖像描述生成模型，支持視覺問答和通用描述生成任務。

一個在完整Natural Questions(NQ)數據集上訓練的開放領域問答模型，能夠回答各種事實性問題

基於BERT-base架構的密集檢索器，在維基百科文章上訓練，旨在模仿BM25的行為

基於BERT-base架構的稠密檢索器，通過維基百科文章訓練以模仿BM25的行為

一個多功能的大語言模型，能夠處理各種自然語言處理任務（推斷信息）

KoGPT2 是由 SKT-AI 開發的韓語 GPT-2 模型，基於 Transformer 架構，適用於多種韓語文本生成任務。

基於BERT的密集段落檢索(DPR)問題編碼器，用於開放領域問答研究，在多個QA數據集上訓練

基於RoBERTa架構的預訓練模型，針對問答等任務進行了優化，具備更強的推理能力。

SPARTA是基於稀疏Transformer匹配檢索的高效開放域問答模型，用於信息檢索任務。