#模型
Wllama入门指南 - 浏览器中运行LLM推理的WebAssembly绑定
Yi-Coder-9B-Chat-GGUF
Yi-Coder-9B-Chat经过Llamacpp的imatrix选项量化处理，增强了在不同硬件上的推理能力。用户能根据自身需求从Q8_0、Q6_K_L等多种量化模型中选择，以适应不同的RAM和VRAM配置。更新内容包括分词器修复，所有文件均可在LM Studio中运行。项目亦提供对ARM芯片优化的Q4_0_X_X文件，用户可通过huggingface-cli下载具体量化模型并查看硬件兼容性和使用建议。
bert-base-japanese-upos
此模型在日语维基百科文本上进行预训练，支持词性标注和依存解析等任务。它衍生自bert-base-japanese-char-extended，利用UPOS体系为短单位词标注。通过Python代码，用户能方便地进行文本处理和结构解析，适合希望高效处理日语文本的用户。该模型具有良好的兼容性，可通过Huggingface平台使用。
Mistral-7B-Instruct-v0.3-GGUF
Mistral 7B Instruct v0.3是一款经过优化的指令跟随模型，新增功能调用支持进一步扩展应用范围，增强助理功能。此版本引入扩展词汇表和新的分词器，支持功能调用。模型由Mistral AI创建，GGUF量化由bartowski提供。提醒：本社区模型由第三方提供，用户需自行负责内容的准确和适用性。
text2vec-large-chinese
基于text2vec衍生的中文模型，采用LERT替代MacBERT，提高句子相似性和特征提取效率。支持onnxruntime，发布于2024年6月25日。
trocr-base-stage1
此预训练模型使用Transformer进行光学字符识别（OCR），为TrOCR模型的一部分。其图像编码器采用BEiT权重初始化，文本解码器则使用RoBERTa权重，处理图像为固定大小的16x16像素块并线性嵌入。适用于单行文本图像的OCR任务，并支持针对特定任务进行微调，兼容PyTorch实现。
Chronos-Gold-12B-1.0-GGUF
Chronos-Gold-12B-1.0的量化版本是通过llama.cpp工具实现的，为文本生成提供了多种解决方案。这些格式涵盖从f16到IQ2_M，用户可根据系统RAM和GPU VRAM选择合适的版本。部分文件采用Q8_0嵌入和输出权重，以优化模型质量和性能。该项目适合角色扮演和故事创作等多应用场合，提供了灵活高效的文本生成支持。
subnet9_Aug17
文档介绍了transformers库中的模型，涵盖开发细节、使用场景及局限性。根据模型卡的建议，用户可以了解模型的偏见、风险和局限，及如何开始使用。简要说明了性能评估、环境影响和技术规格，并提供起步代码和细节。详细信息建议查看相关存储库和文献。
dolphin-2.5-mixtral-8x7b-GGUF
Dolphin 2.5 Mixtral 8X7B是Eric Hartford推出的一款采用GGUF格式的模型。它支持多种比特选项的量化推理，并兼容llama.cpp、KoboldCpp、LM Studio等环境。模型设计注重性能与资源平衡，适合多种应用场景。
clip4clip-webvid150k
CLIP4Clip结合CLIP模型和WebVid数据集，成功在视频文本检索中提高精度，利用150,000个视频文本对的训练提升性能。此模型擅长处理大规模视频数据，具备视觉-时间概念学习能力，适合高效视频搜索应用。其架构支持文本到视频的快速检索，提升搜索效率。