YuhuanStudio

關於我們

YuhuanStudio 致力於人工智慧與機器學習的研究與開發，專注於繁體中文語言模型、訓練資料與 AI 基礎設施。我們從資料處理、分詞器到模型預訓練，持續建立可重現、可檢查，也能直接投入研究與開發的繁體中文資源與工具。

🗂 我們的資源

資料集

我們提供多樣化的繁體中文與中文資料集，涵蓋預訓練、語言知識與多模態應用：

• **wikipedia-zh-tw**：繁體中文維基百科純文字語料，一個條目一筆並保留章節結構。
• **wikipedia-omni-zh-tw**：繁體中文維基百科圖文交錯語料，以 <image> 保留圖片在原文中的位置。
• **wikipedia-image-zh-tw**：維基百科圖片配對資料，包含圖說、替代文字與所在條目章節。
• **twdict_pretrain**：繁體中文國語辭典預訓練資料集。
• **PTT-pretrain-zhtw**：繁體中文 PTT 論壇資料集。
• **c4_pretrain_zhtw**：大型繁體中文網頁語料庫。
• **OpenNewsArchive_pretrain_zhtw**：繁體中文新聞資料集。

我們的完整資料集列表可在 YuhuanStudio 的 Hugging Face 資料集頁面找到。

模型 (Models)

我們持續開發以繁體中文與臺灣用語為核心的語言模型：

• **Yunmo V1**：195M 繁體中文小型語言模型，採用 24 層 Qwen3-style 架構與 24,000 詞的繁體中文特化分詞器，從隨機初始化完成預訓練與 SFT。
• **Yunmo v0.1**：基於 MiniMind v2 架構，使用 25,600 詞的繁體中文特化分詞器。
• **Yunmo v0**：Yunmo 系列的首個公開版本，記錄早期繁體中文小型語言模型實驗。

我們的完整模型列表可在 YuhuanStudio 的 Hugging Face 模型頁面找到。

聯絡我們

如需更多資訊或合作機會，請造訪我們的官方網站：www.yuhuanstudio.com

此組織卡片最後更新於 2026 年 9 月 19 日。