layoutxlm-base

跨语言文档智能分析的多模态预训练技术

跨语言理解文档AI LayoutXLM 视觉文档理解多模态预训练 Huggingface Github 开源项目模型

LayoutXLM作为LayoutLMv2的语言扩展版本，整合文本、布局和图像信息，实现文档智能处理。这个预训练模型专注于解决视觉文档理解中的语言障碍，经XFUND数据集测试，在跨语言文档处理任务中展现出优异性能。

文档

dit-base - 面向文档智能处理的自监督预训练图像Transformer模型

DiTGithubHuggingface图像编码开源项目文档分析文档图像转换器模型自监督预训练

DiT-base是一款基于Transformer架构的文档图像处理模型，通过在4200万份文档图像上进行自监督预训练而成。该模型运用掩码补全任务来学习图像的内部表示，可应用于文档分类、表格检测和版面分析等多种任务。DiT-base能够将文档图像编码为向量，为文档智能处理领域的各类应用奠定了基础。

InternVL2-Llama3-76B - 融合视觉与语言的多模态AI模型

GithubHuggingfaceInternVL2Llama3NLP多模态大语言模型开源项目模型视觉语言模型

InternVL2-Llama3-76B是一款融合视觉和语言能力的多模态AI模型。它由InternViT-6B视觉模型和Hermes-2-Theta-Llama-3语言模型组成，在文档理解、图表分析和场景文字识别等任务中表现优异。该模型支持8k上下文窗口，可处理长文本、多图像和视频输入，为用户提供全面的多模态分析能力。

xlm-roberta-large-xnli - XLM-RoBERTa基于XNLI的多语言零样本文本分类模型

GithubHuggingfaceXLM-RoBERTa多语言开源项目文本分类模型自然语言推理零样本分类

xlm-roberta-large-xnli是一个基于XLM-RoBERTa大型模型微调的多语言自然语言推理模型。该模型支持15种语言的零样本文本分类,包括英语、法语和西班牙语等。经过XNLI数据集训练后,模型可用于跨语言文本分类任务。它提供简单的pipeline接口,便于进行多语言零样本分类。此模型适用于需要在多种语言中进行文本分类的应用场景,尤其适合非英语语言的分类任务。

flan-t5-xxl - 多语言自然语言处理的先进模型

FLAN-T5GithubHuggingface多语言模型开源项目指令微调模型自然语言处理语言生成

FLAN-T5 XXL是一款经过大规模指令微调的多语言语言模型。该模型在超过1000个涵盖多种语言的任务上进行了训练，在少样本和零样本学习方面表现卓越。在多项基准测试中，FLAN-T5 XXL展现了领先性能，例如在五样本MMLU测试中达到75.2%的准确率。这个模型可应用于翻译、问答和推理等多种自然语言处理任务，为研究人员提供了探索语言模型能力和局限性的有力工具。

Xwin-LM-7B-V0.2 - 优化大语言模型对齐技术，显著提升性能

AlpacaEvalGithubHuggingfaceXwin-LM大语言模型对齐技术开源项目强化学习模型

Xwin-LM项目开发并开源大语言模型对齐技术，涵盖监督微调、奖励模型等多种方法。基于Llama2构建的版本在AlpacaEval评测中表现卓越，超过GPT-4。最新的Xwin-LM-7B-V0.2和13B-V0.2在与GPT-4的比较中分别达到59.83%和70.36%胜率。项目不断更新以提高模型的稳定性和可重复性。

unstructured-inference - 非结构化数据布局解析工具支持多种检测模型

AI模型Githubunstructured布局解析开源工具开源项目文档处理

unstructured-inference 是一个专注于文档布局分析的开源项目。它能够从各种文件中提取文档结构和文本内容，适用于需要高效文档处理的场景。该项目提供多种检测模型，如 Detectron2 和 YOLOX，可通过 API 与 unstructured 包集成。它支持自定义模型，为开发者提供了灵活的布局解析解决方案。

VLM2Vec-Full - 视觉语言模型VLM2Vec的多模态嵌入训练方法

GithubHuggingfaceTIGER-LabVLM2Vec多模态嵌入对比学习开源项目模型视觉语言模型

VLM2Vec在Phi-3.5-V模型中引入EOS标记，实现跨多模态输入的统一嵌入表达，高效结合文本与图像。通过对比学习在MMEB-train数据集上训练，并在36个数据集上进行评估，Lora训练方式表现最佳。项目提供模型检查点及完整训练记录，供用户在GitHub仓库克隆下载，通过代码实现文本与图像的嵌入和相似度计算，助力模型运用。

twitter-xlm-roberta-base - XLM-T 基于推特的多语言模型用于情感分析和跨语言任务

GithubHuggingfaceXLM-Roberta-base多语言开源项目情感分析推特模型自然语言处理

XLM-T是一个基于XLM-RoBERTa架构的多语言模型，通过1.98亿条多语言推文训练而成。该模型专门用于Twitter数据分析，支持30多种语言的情感分析和跨语言相似度计算。XLM-T还提供了一个覆盖8种语言的统一Twitter情感分析数据集，可作为多语言自然语言处理任务的基准模型，并支持针对特定应用场景的进一步微调。

Multilingual-MiniLM-L12-H384 - 紧凑高效的多语言预训练模型助力跨语言自然语言处理

GithubHuggingfaceMiniLM多语言模型开源项目模型模型压缩自然语言处理跨语言任务

Multilingual-MiniLM-L12-H384是一款小型多语言预训练模型，采用12层结构和384维隐藏单元，transformer参数仅2100万。该模型在XNLI和MLQA等跨语言任务中表现出色，支持15种语言，同时保持了较小的模型规模。它融合了BERT的架构设计和XLM-R的分词技术，适用于各类需要高效多语言处理的应用场景。

XPretrain - 涵盖视频语言和图像语言模型的多模态学习与预训练研究

GithubXPretrain图像与语言多模态学习开源项目视频与语言预训练

Microsoft Research MSM组在多模态学习和预训练方法上的最新研究成果，包含用于视频语言的HD-VILA-100M数据集，以及HD-VILA、LF-VILA、CLIP-ViP等预训练模型，和用于图像语言的Pixel-BERT、SOHO、VisualParsing模型。这些研究发表在CVPR、NeurIPS和ICLR等顶级会议，代码和数据集已公开，社区成员可以贡献和提出建议。

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com