# 高密度參數

這是一個使用mergekit工具合併的預訓練語言模型，採用DARE TIES方法融合了多個Gemma3-12B變體模型。

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

本項目使用mergekit和DARE TIES方法合併了soob3123/amoral-gemma3-12B-v2和IlyaGusev/saiga_gemma3_12b兩個模型，旨在提供更強大的語言處理能力。

ElvenMaid-12B-v2 是一個基於 ChatML 格式的 12B 參數語言模型，通過 mergekit 的 TIES 方法合併多個預訓練模型而成，支持英文和日文交互。

這是一個基於Gemma-2-9B系列模型通過DARE TIES方法融合的9B參數規模語言模型，融合了多個優化版本的Gemma模型。

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。

這是一個通過mergekit工具合併的9B參數規模的語言模型，基於TIES方法融合了三個不同風格的模型

基於SCE融合方法構建的32B參數規模大語言模型，融合了多個高性能預訓練模型

Tantum合併過程中的中間步驟模型，由多個24B參數的Mistral和Llama3變體合併而成，適用於角色扮演和文本生成任務。

這是一個通過mergekit工具合併的12B參數語言模型，專注於創意寫作和角色扮演任務，具有獨特的敘事風格。

Neural-4-QA-7b 是一個基於多個7B參數規模模型合併的大語言模型，專注於問答任務，採用DARE-TIES合併方法優化性能。