# 零樣本推理

Hermes-3-Llama-3.1-405B是一個基於Llama架構的大型語言模型，專注於文本生成任務。

基於Mistral Small模型的視覺編碼器，支持圖像文本生成任務，適配llama.cpp框架

MedGemma-4B-IT 是一個專注於醫療領域的圖像文本生成模型，由Google開發。

T0++是基於T5架構的自然語言處理模型，通過多任務提示訓練實現零樣本任務泛化能力，在多種NLP任務上超越GPT-3且體積更小。

InternVL3-8B-bf16 是一個基於 MLX 格式轉換的視覺語言模型，支持多語言圖像文本到文本任務。

Google推出的Gemma 3 27B IT模型，適用於多種文本生成和圖像理解任務，支持128k令牌的上下文長度和多模態圖像處理。

VL-Rethinker-7B-8bit 是一個基於 Qwen2.5-VL-7B-Instruct 的多模態模型，支持視覺問答任務。

該模型是基於Qwen2.5-VL-7B-Instruct轉換而來的多模態視覺語言模型，支持視覺問答任務。

該模型是一個基於transformers庫的模型，具體功能和用途需要進一步信息確認。

VoRA是一個基於7B參數的視覺-語言模型，專注於圖像文本到文本的轉換任務。

VoRA是一個基於7B參數的視覺語言模型，能夠處理圖像和文本輸入，生成文本輸出。

該模型是基於Gemma-3-27b-tools轉換的GGUF格式版本，適用於本地推理任務。

Qwen2.5-VL-32B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的聯合理解與生成任務。

基於Transformers庫的預訓練模型，適用於自然語言處理任務

Qwen2.5-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互式生成任務。

ARPG是一種創新的自迴歸圖像生成框架，能夠通過類GPT因果架構實現BERT式掩碼建模。

Distill-Any-Depth是一種新的SOTA單目深度估計模型，採用知識蒸餾算法訓練而成。

基於Llama 3.1架構的8B參數語言模型，通過mergekit合併多個模型而成，具備文本生成能力

基於Llama 3.1架構的8B參數語言模型，通過mergekit合併多個專業模型而成，在文本生成任務中表現優異。

基於Llama 3.1架構的8B參數模型，通過mergekit合併多個Smarteaz系列模型而成，專注於文本生成任務

這是一個使用SLERP方法合併的14B參數規模的大語言模型，由li-14b-v0.4和miscii-14b-0218兩個基礎模型合併而成。

基於Qwen 2.5 14B Instruct微調的引文意圖分類模型，專門用於科學出版物中的引文意圖分類。

基於Deepseek-R1知識蒸餾的推理模型，支持鏈式思維(CoT)推理能力

LLaVA-Llama3是基於Llama-3的多模態模型，支持圖像與文本的聯合處理。

基於ModernBERT-large的多任務微調模型，專注於自然語言推理(NLI)任務，在零樣本分類和推理任務中表現優異。

該模型是從bigscience/mt0-xxl-mt通過llama.cpp轉換為GGUF格式的多語言文本生成模型，支持多種語言任務。

鷹隼2號是一個高性能視覺語言模型家族，專注於數據策略和訓練方案的透明性，旨在推動開源社區開發具有競爭力的視覺語言模型。

LLaVA-SpaceSGG是基於LLaVA-v1.5-13b的視覺問答模型，專注於場景圖生成任務，能夠理解圖像內容並生成結構化場景描述。

Moxin 7B是一款強大的開源大語言模型，提供基礎模型和聊天模型等多種類型，在多個常見數據集上展現出了良好的性能。

AiM是一個基於PyTorch的無條件圖像生成模型，通過PytorchModelHubMixin集成推送到Hugging Face Hub。

基於Microsoft Florence-2-large的視覺語言模型，擅長圖像理解和文本生成任務

MiniCPM-Llama3-V-2_5是一個基於Llama3架構的多模態視覺問答模型，支持中英文交互。

基於Depth Anything V2使用合成Hypersim數據集進行室內度量深度估計的微調版本，兼容transformers庫。

基於Depth Anything V2模型，針對室內度量深度估計任務使用Hypersim合成數據集微調的版本

基於Depth Anything V2針對室內度量深度估計任務進行微調的模型，使用合成數據集Hypersim訓練，兼容transformers庫。

基於Depth Anything V2的微調版本，專為戶外場景度量深度估計設計，使用合成數據集Virtual KITTI進行訓練。

基於PaliGemma 224x224版本微調的圖像到文本生成模型，專注於生成詳細的藝術類圖像描述

Latte是一個基於Transformer的潛在擴散模型，專注於文本生成視頻任務，支持多種數據集預訓練權重。

基於Flan-T5-xl微調的目標情感分析模型，支持英語文本的情感傾向判斷（積極/消極/中立）

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過量化和縮放將時間序列轉化為token序列進行訓練。