# 多领域问答

基于千问2.5 14B模态架构设计的增强推理模型，优化通用推理与问答场景，支持128K上下文和8K输出

Theta-Lyrae-Qwen-14B是基于Qwen 2.5 14B模态架构设计的140亿参数模型，优化了通用推理和问答能力，在上下文理解、逻辑推理和多步骤问题解决方面表现优异。

SILMA Kashif 2B Instruct v1.0是专为阿拉伯语和英语RAG（检索增强生成）任务设计的开源模型，基于谷歌Gemma构建，具备实体提取和多领域处理能力。

基于LlaMA3.1微调的韩语大语言模型，适配韩国文化，支持53个领域的韩语任务

Llama3.1-Neo-1B-100w是基于Meta-Llama-3.1-8B-Instruct剪枝至1.4B参数规模，并采用LLM-Neo方法（结合LoRA与知识蒸馏）微调的高效语言模型。训练数据采样自BAAI/Infinity-Instruct的100万行数据。

Llama-3.1-Storm-8B 是基于 Llama-3.1-8B-Instruct 开发的模型，旨在提升 80 亿参数模型类的对话和函数调用能力。

基于多种数据集训练的对话模型，支持中文交互，适用于非商业场景

这是一个基于均方误差（MSE）蒸馏方法训练的波兰语文本排序模型，训练数据集包含140万条查询和1000万份文档的文本对。

这是一个采用RankNet损失函数训练的波兰文本排序模型，训练数据集包含140万条查询和1000万份文档组成的文本对。

这是一个160M参数的Llama聊天模型，基于JackFram/llama-160m微调而来，专注于文本生成任务。