全站搜索

AI 模型 84755

• gpt2-fa↗

  HooshvareLab

• japanese-reranker-small-v2↗

  hotchpotch

  japanese-reranker-tiny-v2、japanese-reranker-xsmall-v2、japanese-reranker-small-v2、japanese-reranker-base-v2は、以下の特徴を持つ小型リランカーモデルです： 1. CPUやAppleシリコン環境でも実用的な速度で動作 2. 高価なGPUリソースなしでもRAGシステムの精度向上が可能 3. エッジデバイスでの展開や低レイテンシが要求される本番環境で活用可能 4. ModernBertベースのruri-v3-pt-30m（tiny/xsmall）、ruri-v3-pt-70m（small）、ruri-v3-pt-130m（base）を利用 以下は約15万ペアをリランキングした際の推論速度結果（トークナイズ時間を除く純粋なモデル推論時間）です。MPS(Appleシリコン)とCPU測定にはM4 Max、GPUにはRTX5090を使用しています。GPU処理では flash-attention2 を使用しています。

• Erlangshen-Longformer-110M↗

  IDEA-CCNL

• Ming-Image-0.1-Design-Layer↗

  inclusionAI

• Typhon-Mixtral-v1-iMat-GGUF↗

  InferenceIllusionist

• distilbert_finetuned_ai4privacy↗

  Isotonic

• roberta-tagalog-base↗

  jcblaise

• jina-code-embeddings-0.5b↗

  jinaai

  `jina-code-embeddings` is an embedding model for code retrieval. The model supports various types of code retrieval (text-to-code, code-to-code, code-to-text, code-to-completion) and technical question answering across 15+ programming languages. Built on Qwen/Qwen2.5-Coder-0.5B, `jina-code-embeddings-0.5b` features: - **Multilingual support** (15+ programming languages) and compatibility with a wide range of domains, including web development, software development, machine learning, data science, and educational coding problems. - **Task-specific instruction prefixes** for NL2Code, Code2Code, Code2NL, Code2Completion, and Technical QA, which can be selected at inference time. - **Flexible embedding size**: dense embeddings are 896-dimensional by default but can be truncated to as low as 64 with minimal performance loss.

• jina-embeddings-v3-small-ci↗

  jinaai

• Xyntetik-Kvist-14B↗

  Joakimpalm-Zen