专注于描述动漫风格图像的视觉语言模型，基于SmolVLM-500M-Base微调

基于roberta-base-zeroshot-v2.0-c微调的零样本分类模型，采用SmartShot方法和合成数据提升性能

专注于描述动漫风格图像的视觉语言模型，基于SmolVLM-500M-Base微调，训练数据包含18万组由大语言模型生成的合成图像/字幕对。

基于VILA-v1.5-8B构建的视频字幕生成模型，能够为输入视频生成详细且符合人类偏好的字幕。

PoseLess是一种创新的机器人手部控制框架，通过使用投影表示直接将2D图像映射到关节角度，无需显式的姿态估计。

Poseless-3B 是一种基于视觉语言模型（VLM）的机器人手部控制框架，能够直接将2D图像映射到关节角度，无需显式姿态估计。

GLiNER-BioMed是基于GLiNER框架的专为生物医学领域设计的高效开放NER模型套件，能够识别多种类型的生物医学实体。

GLiNER-BioMed是基于GLiNER框架的高效开放生物医学命名实体识别模型套件，专为生物医学领域设计，能够识别多种实体类型。

GLiNER-BioMed是基于GLiNER框架的专门高效开放生物医学NER模型套件，在生物医学实体识别任务中实现了最先进的零样本和小样本性能。

GLiNER-生物医学版是基于GLiNER框架开发的专用生物医学命名实体识别模型，能够识别多种生物医学实体类型。

Asagi-8B是一个大规模的日语视觉与语言模型（VLM），基于广泛的日语数据集训练，整合了多样化的数据来源。

在单块GPU上24小时内训练出的高质量语音语言模型，基于Qwen2.5-0.5B微调，使用Hubert标记作为词汇表

基于ModernBERT-large微调的文本分类模型，用于检测和分类文本中的多种偏见类型。

Asagi-14B是一个大规模的日语视觉与语言模型（VLM），在广泛的日语数据集上进行了训练，整合了多样化的数据来源。

由Jasper研究团队开发的用于低分辨率图像放大的ControlNet模型

一个基于DistilBERT微调的多语言情感分析模型，支持21种语言，适用于社交媒体、客户反馈等多场景分析。

专为强化低级几何感知能力训练的多模态大语言模型，通过合成高保真视觉描述增强几何分析能力

基于BART架构的西班牙语语法纠错模型，使用COWS-L2H数据集和80,984条合成数据训练，专为单句纠错优化

基于Qwen2.5-72B微调的大语言模型，专注于文本生成和指令跟随任务

mStyleDistance是一个多语言风格嵌入模型，旨在将具有相似写作风格的文本紧密嵌入，不同风格的文本远离嵌入，不受内容和语言限制。

基于pegasus-x-base微调的文本摘要模型，使用合成数据训练，擅长处理长文档摘要任务。

由Jasper研究团队开发的用于低分辨率图像放大的ControlNet模型

Reflection Llama-3.1 70B 是一款开源大语言模型，采用'反思调优'技术训练，能够自主检测推理错误并修正方向。

InternLM2.5是基于InternLM2架构的新一代模型，通过海量合成数据和自我迭代优化，在推理性能上取得显著提升。

基于Depth Anything V2使用合成Hypersim数据集进行室内度量深度估计的微调版本，兼容transformers库。

基于Depth Anything V2模型，针对室内度量深度估计任务使用Hypersim合成数据集微调的版本

基于Depth Anything V2针对室内度量深度估计任务进行微调的模型，使用合成数据集Hypersim训练，兼容transformers库。

基于Depth Anything V2的微调版本，专为户外场景度量深度估计设计，使用合成数据集Virtual KITTI进行训练。

基于Depth Anything V2使用合成Virtual KITTI数据集针对室外度量深度估计任务微调的版本，兼容transformers库

基于Depth Anything V2针对户外度量深度估计任务进行微调的版本，使用合成数据集Virtual KITTI进行训练

基于distilbert/distilbert-base-uncased微调的情感分析模型，仅使用合成数据训练，支持5种情感分类。

StyleDistance是一种风格嵌入模型，旨在将写作风格相似的文本紧密嵌入，不同风格的文本远离嵌入，而不受内容影响。

一款高效的零样本分类器，基于合成数据训练，适用于主题分类、情感分析及RAG流程中的重排序任务。

GLiClass是一款高效零样本分类器，受GLiNER启发，适用于文本分类、情感分析及RAG流程中的重排序任务。

GLiClass是一款高效零样本分类器，基于合成数据训练，适用于文本分类、情感分析及RAG流程中的重排序任务。

基于自博弈偏好优化方法在第三轮迭代中开发的89亿参数语言模型，以google/gemma-2-9b-it为起点，使用UltraFeedback数据集进行微调

基于Qwen2-1.5B-Instruct模型进行2轮微调的摘要生成专用模型

GLiClass是一款高效零样本分类器，基于合成数据训练，适用于主题分类、情感分析及RAG流程中的重排序任务。

TrOCR-Ru是基于microsoft/trocr-base-handwritten在俄语和英语合成数据集上微调的光学字符识别模型，专注于图像转文本任务。

该模型基于T5架构，专门用于纠正法语文本中的拼写和标点错误。