#LLaMA

MobileLLaMA-1.4B-Base是一款以1.3T tokens训练的1.4B参数Transformer模型，旨在降低LLaMA的参数数量以实现快速部署。通过标准语言理解和常识推理基准测试，展示其性能与最新开源模型相媲美。详细信息请参考GitHub和相关论文。

ToolACE-8B是一个基于LLaMA-3.1-8B-Instruct模型微调的工具调用专家模型。它在Berkeley Function-Calling Leaderboard上表现出色，性能与GPT-4相当。该模型采用ToolACE数据集训练，结合多智能体对话生成和双层验证系统，确保了数据的多样性和准确性。ToolACE-8B在函数调用方面展现出卓越能力，为开发者提供了强大的工具使用支持。

llama-3.2-Korean-Bllossom-3B是基于Llama 3.2-3B的韩英双语增强模型。通过150GB精选韩语数据的全面微调和指令调优，该模型在保持英语能力的同时显著提升了韩语表现。在LogicKor基准测试中，它创下了3B-5B规模模型的最高分。这个开源模型支持商业使用，为韩语自然语言处理任务提供了有力支持。

DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored-GGUF-IQ-Imatrix-Request是一个基于Llama 3.1架构的8B参数无审查指令型语言模型。采用GGUF格式，该模型具有高性能和灵活性，适用于多种应用场景。作为无审查模型，它在内容生成、问答和复杂任务执行方面提供了更大的自由度。使用时需注意遵守相关法律法规和伦理准则。

LLaMA是由Meta AI的FAIR团队开发的基于Transformer架构的自动回归语言模型，专为自然语言处理和机器学习研究人员而设计。该模型提供7B、13B、33B和65B参数的多种规格，支持问答和自然语言理解等研究用途，并注重偏见和有害内容生成的评估与减少。虽然使用20种语言进行训练，但其在英语文本处理上表现更佳。LLaMA被定位为AI研究基础工具，不建议直接应用于未经评估的下游应用。

Vicuna-7b-v1.3是LMSYS开发的开源对话AI助手，基于LLaMA模型微调。该项目利用约125K条ShareGPT用户对话数据进行监督式指令微调训练，主要用于大型语言模型和聊天机器人研究。Vicuna提供命令行界面和API接口，便于研究人员和爱好者在自然语言处理、机器学习和人工智能领域进行实验。模型在标准基准测试、人类偏好和LLM评判方面表现优异，详细评估结果可在其论文和在线排行榜中查看，是AI对话研究的有力工具。

LLaMA-7B是Meta AI开发的开源语言模型,基于Transformer架构,拥有70亿参数。该模型在多语言数据集上训练,主要针对英语优化,可用于自然语言处理研究,如问答和语言理解。LLaMA-7B适合研究人员探索大型语言模型的能力和局限性,但在实际应用中需要进行风险评估。本模型为基础模型,不建议直接用于下游任务。

Vicuna v1.3是由LMSYS开发的聊天助手，通过对LLaMA进行125K对话的指令微调，专用于大语言模型和聊天机器人研究，主要用户为自然语言处理、机器学习和人工智能领域的研究者和爱好者。模型经过标准基准、人类偏好及语言模型评测。查看项目主页以获取版本差异的更多信息。

LLaMA-7B是Meta AI的FAIR团队开发的自回归语言模型，基于转换器架构拥有7B参数，主要用于研究大语言模型的可能性。模型改进了解决EOS标记问题，并通过多数据集如CCNet、C4和Wikipedia进行训练，展现出语言间和方言间的性能差异，适合问答和自然语言理解等应用场景。仅限获授权的非商业研究使用，更多信息请参考Meta AI的研究出版物。

Llama-30b-instruct-2048模型由Upstage研发，基于LLaMA架构，优化用于生成文本，支持动态扩展处理10k+输入符号。在多项基准数据集上表现出色，并结合DeepSpeed与HuggingFace工具进行微调。使用该模型需获得持有Meta授权表单的许可。

DanTagGen-delta项目在HakuBooru数据库的支持下，利用NanoLLaMA架构和7.2M数据集进行训练，适用于LLaMA推理接口。引入质量标签的新版本增强了图像多样性，尽管存在轻微欠拟合。项目提供FP16与低比特量化模型，建议使用llama.cpp提升运行效率。