基于ViT架构的NSFW图像分类模型，通过监督学习在ImageNet-21k数据集上预训练，并在80,000张图像上微调，用于区分正常和NSFW内容。

基于Vision Transformer架构的图像分类模型，在ImageNet-21k数据集上预训练，适用于多类别图像分类任务

CLIP是由OpenAI开发的视觉-语言模型，通过对比学习将图像和文本映射到共享的嵌入空间，支持零样本图像分类

Chronos是基于语言模型架构的预训练时间序列预测模型家族，通过量化和缩放将时间序列转化为token序列进行训练，适用于概率预测任务。

基于掩码语言建模目标预训练的大型英语语言模型，采用改进的BERT训练方法

DistilBERT是BERT基础模型的蒸馏版本，在保持相近性能的同时更轻量高效，适用于序列分类、标记分类等自然语言处理任务。

CLIPSeg是一种基于文本与图像提示的图像分割模型，支持零样本和单样本图像分割任务。

XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。

基于Transformer架构的英语预训练模型，通过掩码语言建模目标在海量文本上训练，支持文本特征提取和下游任务微调

基于视觉变换器（ViT）微调的面部情绪识别模型，支持7种表情分类

Chronos-Bolt是一系列基于T5架构的预训练时间序列基础模型，通过创新分块编码和直接多步预测实现高效时序预测

SigLIP是基于WebLi数据集预训练的视觉语言模型，采用改进的sigmoid损失函数，优化了图像-文本匹配任务。

Llama 3.1是Meta推出的多语言大语言模型系列，包含8B、70B和405B参数规模，支持8种语言和代码生成，优化了多语言对话场景。

T5基础版是由Google开发的文本到文本转换Transformer模型，参数规模2.2亿，支持多语言NLP任务。

XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。

基于DistilBERT-base-uncased在SST-2情感分析数据集上微调的文本分类模型，准确率91.3%

基于DINOv2方法训练的小尺寸视觉Transformer模型，通过自监督学习提取图像特征

基于ImageNet-21k预训练和ImageNet微调的视觉变换器模型，用于图像分类任务

Chronos-Bolt是一系列预训练的时间序列预测模型，支持零样本预测，精度高且推理速度快。

Whisper是由OpenAI提出的先进自动语音识别(ASR)和语音翻译模型，在超过500万小时的标注数据上训练，具有强大的跨数据集和跨领域泛化能力。

Whisper是由OpenAI开发的最先进的自动语音识别(ASR)和语音翻译模型，经过超过500万小时标记数据的训练，在零样本设置下展现出强大的泛化能力。

基于英语语料预训练的BART模型，专门针对CNN每日邮报数据集进行微调，适用于文本摘要任务

FashionCLIP是基于CLIP开发的视觉语言模型，专门针对时尚领域进行微调，能够生成通用产品表征。

Jina Embeddings V3 是一个多语言句子嵌入模型，支持超过100种语言，专注于句子相似度和特征提取任务。

稳定扩散是一种潜在的文本到图像扩散模型，能够根据任何文本输入生成逼真的图像。

基于BART-large架构，在MultiNLI数据集上微调的零样本分类模型

T5-Small是谷歌开发的6000万参数文本转换模型，采用统一文本到文本框架处理多种NLP任务

FLAN-T5是基于T5模型通过指令微调优化的语言模型，支持多语言任务处理，在相同参数量下性能优于原T5模型。

ALBERT是基于Transformer架构的轻量级预训练语言模型，通过参数共享机制减少内存占用，适用于英语文本处理任务。

DistilBERT 是 BERT 基础多语言模型的蒸馏版本，保留了 BERT 的 97% 性能但参数更少、速度更快。

DistilGPT2是GPT-2的轻量级蒸馏版本，拥有8200万参数，保留了GPT-2的核心文本生成能力，同时体积更小、速度更快。

基于XLM-RoBERTa的多语言检测模型，支持20种语言的文本分类

基于DETR架构的表格检测模型，专门用于从非结构化文档中提取表格

BLIP是一个统一的视觉-语言预训练框架，擅长图像描述生成任务，支持条件式和无条件式图像描述生成。

基于MS Marco段落排序任务训练的交叉编码器模型，用于信息检索中的查询-段落相关性评分

基于Hugging Face预训练模型的文本与音频强制对齐工具，支持多种语言，内存效率高

Llama 3.2是Meta开发的多语言大语言模型系列，包含1B和3B规模的预训练及指令调优生成模型，针对多语言对话场景优化，支持智能检索和摘要任务。

SDXL 1.0是基于扩散的文本生成图像模型，采用专家集成的潜在扩散流程，支持高分辨率图像生成

专为Gensyn强化学习群设计的0.5B参数指令微调模型，支持本地微调训练

基于ImageNet-21k数据集预训练的视觉Transformer模型，用于图像分类任务。

这是一个基于印尼语RoBERTa模型微调的词性标注模型，在indonlu数据集上训练，用于印尼语文本的词性标注任务。

Whisper是一个强大的自动语音识别模型，经过68万小时的数据训练，具备优异的泛化能力。