这是一个使用mergekit工具合并的预训练语言模型，采用DARE TIES方法融合了多个Gemma3-12B变体模型。

这是一个经过微调的sentence-transformers模型，专为金融文档检索任务优化，同时保持通用性能。

MagnaMellRei-v1-12B是通过mergekit工具使用SLERP方法合并的两个12B参数模型得到的混合模型

Gemma 3 27B 合并模型是通过线性合并法融合了预训练模型和指令调优模型的大语言模型

基于canopylabs/orpheus-3b-0.1-pretrained微调的法语文本生成模型

Hugging Face提供的Transformer模型库，支持多种自然语言处理任务

Qwen2.5-YOYO第五代模型，整合了多个先进模型的特点，优化了模型合并公式，支持100万token上下文。

这是一个基于GGUF格式转换的8B参数规模的幻想小说专用语言模型，支持128K上下文长度。

未提供具体模型信息，可能是一个通用的transformers库模型

基于ModernBERT-base微调的零样本分类器，高效快速且内存占用低，适用于多种文本分类任务。

基于ModernBERT-large微调的零样本分类器，高效快速且内存占用低，适用于多种文本分类任务。

Doge 20M 是一个基于动态掩码注意力机制的小型语言模型，支持指令跟随和问答任务。

Ruri是一个日语通用文本嵌入模型，专注于句子相似度计算和特征提取，支持长文本处理。

ESM++是对ESMC的忠实实现，支持批处理操作且完全兼容Huggingface生态，无需依赖ESM官方Python包。

这是一个基于Cydonia-22B-v1.3和Magnum-v4-22B合并的22B参数语言模型，使用SLERP方法融合

Conan-embedding-v1是由腾讯BAC团队开发的中文文本嵌入模型，基于sentence-transformers库实现，适用于多种中文自然语言处理任务。

这是一个从阿里巴巴NLP/gte-multilingual-base微调的sentence-transformers模型，专门用于处理波斯语的语义文本任务。

DINOv2是一个基于视觉变换器的图像特征提取模型，通过引入寄存器机制提升了特征提取能力。

基于SimPO目标在gemma2-ultrafeedback-armorm数据集上微调的Gemma 2.9B模型，用于偏好优化任务

该模型基于MIT许可证发布，具体信息暂不可知。

基于Transformers库的零样本分类模型，能够在没有特定任务训练数据的情况下进行分类任务。

用于计算俄语句子嵌入的BERT模型，基于cointegrated/LaBSE-en-ru开发，优化了俄语处理性能

由Trendyol预训练的土耳其语Bert模型，适用于多种自然语言理解任务。

基于 MIT 许可证的开源模型，具体功能和用途需参考完整文档

基于Transformers.js的法语零样本分类模型，支持对法语文本进行多类别分类而无需特定训练

xFinder-llama38it 是基于 Llama3-8B-Instruct 微调的关键答案提取模型，旨在提高大型语言模型输出的关键答案提取准确性和鲁棒性。

全球首个60亿参数的Llama-3基础模型，通过降级循环技术从Meta-Llama-3-8B创建，并在10亿英文文本标记上进行了持续预训练

MeowGPT-3.5是基于GPT-3.5架构的合并模型，专注于文本生成任务。

该模型是通过SLERP方法合并Eros-7b-test和Eris-Lelanacles-7b两个7B参数模型得到的混合模型

InBedder是一款专为遵循指令而设计的文本嵌入器，能够通过回答问题的方式捕捉用户指令指定的文本特征。

Curie-7B-v1是一个通过微调英语大语言模型（LLMs）用于波兰语文本生成的模型，在波兰语文本生成和多项NLP任务中表现出色。

这是一个超小体积、高效能的零样本分类模型，专为边缘设备和浏览器应用设计。

这是一个基于Apache-2.0许可证发布的模型，具体信息暂不可用。

该模型是一个基于Apache-2.0许可证的开源人工智能模型，具体功能需根据实际模型类型确定

该模型基于MIT许可证发布，具体信息暂不可知。

一个基于GPL-3.0许可证发布的开源模型，具体功能和应用领域需进一步确认

这是一个基于Apache-2.0许可证的开源模型，具体功能和用途需要根据实际模型确定

Instructor是一种通过指令微调的文本嵌入模型，能够根据任意任务和领域生成定制化的文本嵌入向量，无需额外微调。

LERT是一款基于语言学理论驱动的预训练语言模型，旨在通过语言学知识提升模型性能。