Project Icon

gelectra-large-germanquad

gelectra-large 德语问答模型助力高效信息提取

gelectra-large 是一个基于 GermanQuAD 数据集训练的德语问答模型,专注于信息抽取的优化。该模型可在 Haystack 平台中用于文档问答,并在 V100 GPU 上进行了训练与测试,具有高效性能表现。其数据集和代码开源可用,支持德语文档的精准问答,有助于提高自然语言处理任务的效率和准确性。

gbert-base - 基于维基百科训练的高性能德语BERT预训练模型
BERTGithubHaystackHuggingface开源项目德语模型机器学习模型自然语言处理
gbert-base是一款德语BERT预训练模型,由原始German BERT与dbmdz BERT团队于2020年10月联合发布。模型使用维基百科、OPUS和OpenLegalData数据集进行训练,在GermEval18和GermEval14基准测试中取得了显著优于前代模型的性能表现。作为开源项目,该模型采用MIT许可证,可用于多种德语自然语言处理应用场景。
roberta-large-squad2 - 基于RoBERTa的大规模抽取式问答模型
GithubHuggingfaceSQuADroberta-large开源项目机器学习模型自然语言处理问答系统
roberta-large-squad2是一个在SQuAD 2.0数据集上微调的大规模抽取式问答模型。该模型基于RoBERTa架构,在多个问答任务中表现优异,包括SQuAD v2和对抗性问答等。它能够处理可回答和不可回答的问题,适用于广泛的问答应用场景。开发者可以通过Haystack或Transformers库轻松集成此模型,构建高性能的问答系统。
gbert-large-paraphrase-cosine - GBERT-Large模型优化德语少样本文本分类
BERTGithubHuggingfaceSetFit句子相似度开源项目德语模型模型自然语言处理
gbert-large-paraphrase-cosine是一个基于deepset/gbert-large的德语句子转换模型,能将文本映射至1024维向量空间。该模型与SetFit配合使用,显著提升德语少样本文本分类效果。模型采用MultipleNegativesRankingLoss和余弦相似度作为损失函数,在精选的deutsche-telekom/ger-backtrans-paraphrase数据集上训练。评估显示,其在德语少样本场景中的表现优于多语言模型和Electra模型,为德语自然语言处理任务提供了有力工具。
deepset-mxbai-embed-de-large-v1 - 高性能德语句子嵌入模型
GithubHuggingfacesentence-transformers变换器模型嵌入模型开源项目模型特征提取自然语言处理
deepset-mxbai-embed-de-large-v1是一个专为德语开发的句子嵌入模型。该模型基于Sentence Transformers技术,可将德语文本转换为向量表示。在语义相似度和文本分类等任务中表现优异,为德语自然语言处理应用奠定基础。支持高效特征提取,适用于多种下游任务。
leo-hessianai-7b - LeoLM推动德语语言模型发展的新选择
GithubHuggingfaceLAIONLeoLMLlama-2开源开源项目德语语言模型模型
LeoLM是首个基于Llama-2构建的商用德语基础语言模型,经过大规模德语语料库的持续预训练。其旨在推动德语开源及商用LLM的研究,提升语言理解和文本生成能力,支持8k上下文长度。该项目依托于HessianAI的新超算系统42,并施行Llama-2社区许可证。用户可在Hugging Face平台获取leo-hessianai-7b及leo-hessianai-13b模型,并借助Transformers库实现快速推理。此项目旨在为德语开源及商业应用带来新发展。
bert-base-german-cased - 高性能德语BERT模型助力自然语言处理应用
BERTGithubHugging FaceHuggingface开源项目德语模型模型深度学习自然语言处理
此德语BERT模型由巴伐利亚州立图书馆MDZ团队开发,基于维基百科、EU Bookshop等多源语料库训练而成。模型包含23.5亿个词元,提供大小写敏感和不敏感版本,支持PyTorch-Transformers框架。它适用于各类德语自然语言处理任务,在Hugging Face模型库开源,并获得Google TensorFlow Research Cloud支持。
whisper-large-v3-german - 德语语音识别优化模型
GithubHuggingfaceOpenAIWhisper开源项目德语模型自动字幕语音识别
基于Whisper Large v3,专为德语语音识别优化,在转录、命令识别、字幕生成等方面表现优秀。词错误率为3.002%,字符错误率为0.81%,适合高效使用。
deberta-v3-large - 微软DeBERTa-v3-large模型提升自然语言理解性能
DeBERTaGithubHuggingface人工智能开源项目机器学习模型自然语言处理预训练模型
DeBERTa-v3-large是微软基于DeBERTa架构开发的自然语言处理模型。它采用ELECTRA式预训练和梯度解耦嵌入共享技术,在SQuAD 2.0和MNLI等任务上表现优异。模型包含24层结构,1024隐藏层大小,共304M参数,可处理复杂的自然语言理解任务。相比前代模型,DeBERTa-v3-large在下游任务性能上有显著提升。
wav2vec2-large-xlsr-53-german - 优化德语自动语音识别的开源模型
Common VoiceGithubHuggingfaceWav2Vec2开源项目德语模型深度学习语音识别
本项目利用wav2vec2-large-xlsr-53-german模型对德语Common Voice数据集进行自动语音识别,得到WER为18.5%的结果。项目采用Torchaudio和Transformers库,并使用Resample进行音频预处理。该模型在语音转文字应用中具有广泛的研究价值。
bert-large-uncased-whole-word-masking-squad2 - BERT-Large模型在SQuAD 2.0数据集上的问答性能优化
BERTGithubHuggingfaceSQuAD开源项目模型深度学习自然语言处理问答系统
bert-large-uncased-whole-word-masking-squad2是一个在SQuAD 2.0数据集上微调的BERT-Large模型,专门用于问答任务。该模型在SQuAD 2.0验证集上展现出优秀性能,精确匹配分数达80.88%,F1分数达83.88%。用户可以通过Haystack或Transformers框架轻松集成此模型,实现高效的抽取式问答功能。作为Haystack AI生态系统的重要组成部分,这个模型为构建灵活、实用的大语言模型应用提供了有力支持。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号