Project Icon

bert-base-japanese-char-v2

基于日语维基百科的字符级BERT预训练模型

本模型是基于日语维基百科训练的BERT预训练模型,采用字符级分词和全词掩码方法。它保持了原始BERT的12层结构和768维隐藏状态,使用MeCab和Unidic词典处理输入文本,词汇量为6144。训练在Cloud TPU上完成,遵循原始BERT的配置。该模型可广泛应用于日语自然语言处理领域,为研究和开发提供有力支持。

bert-base - KLUE BERT base为韩语自然语言处理提供强大支持
BERTGithubHuggingfaceKLUE开源项目模型自然语言处理语言模型韩语
KLUE BERT base是一个专门针对韩语自然语言处理任务的预训练模型。它基于62GB多样化韩语语料库训练,采用创新的形态素子词分词技术。在KLUE基准测试中,该模型在主题分类、语义相似度和命名实体识别等多项任务上展现出优异性能。此外,研究团队也注重解决数据偏见和隐私保护问题,为韩语NLP领域提供了重要工具。
bert-large-uncased-whole-word-masking - BERT大型无大小写全词掩码预训练模型
BERTGithubHuggingface人工智能开源项目模型深度学习自然语言处理预训练模型
BERT-large-uncased-whole-word-masking是一个采用全词掩码技术的大型预训练语言模型。该模型基于BookCorpus和英文维基百科数据集进行自监督学习,具有24层结构、1024维隐藏层和3.36亿参数。它在序列分类、标记分类和问答等需要理解整句上下文的任务中表现优异,为自然语言处理应用提供了强大的英语语言表示能力。
japanese-gpt-neox-small - 日本GPT-NeoX小型模型,兼容Huggingface加载
GPT-NeoXGithubHuggingfaceNVIDIA前缀微调开源项目文本生成日语模型
本项目提供了一个小型的日本GPT-NeoX模型,基于EleutherAI/gpt-neox代码进行训练。该模型使用Japanese CC-100、Japanese C4和Japanese Wikipedia数据集进行训练,优化语言模型目标。可通过Huggingface的GPT-NeoX无缝加载,模型结构包括12层、768隐藏单元,支持基于sentencepiece的分词。此外,还提供前缀调优权重文件,可以用于后接表情符号的句子生成。经过验证,该模型兼容NVIDIA FasterTransformer 5.1进行推理。
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。
llm-jp-1.3b-v1.0 - 大规模语言模型支持多语言和多种编程语言
GithubHuggingfaceLLM-jp大型语言模型开源项目模型深度学习自然语言处理训练数据
此大规模语言模型由日本研发,支持多语言(含日语和英语)及多编程语言。采用Transformer架构,经过预训练和指令调优,适用于多种自然语言处理任务。模型在多个硬件和软件环境中优化,包括使用Megatron-DeepSpeed和TRL,可用于生成自然语言文本,应用广泛,性能优异。
character-bert - 字符级CNN构建的开放词汇表神经网络模型
CharacterBERTGithub开放词表开源项目神经网络自然语言处理词嵌入
CharacterBERT是BERT的一个变体,采用字符级CNN模块动态构建词表示,无需依赖预定义词片词汇表。这种方法可生成任意输入标记的表示,适用于医学等专业领域。与标准BERT相比,CharacterBERT生成词级上下文表示,对拼写错误更为鲁棒,且可轻松适应不同领域而无需重新训练词片词汇表。该模型在多个医学领域任务中表现优于BERT,提供更便捷实用的词级开放词汇表表示。
gemma-2-2b-jpn-it - Gemma 2系列日语大模型实现多任务自然语言处理
Gemma 2 JPNGithubHuggingface人工智能模型大语言模型开源项目日语模型机器学习模型
Gemma 2系列2B参数日语大语言模型从Gemini技术中汲取灵感,通过8万亿tokens数据训练而成。模型支持日语文本生成、问答和摘要等功能,采用TPUv5p硬件与JAX框架开发。在日语任务评测中准确率达98.24%,提供多种部署方案及精度配置选项。
bert-base-thai-upos - 基于泰语维基百科预训练的BERT词性标注与依存分析模型
BERTGithubHuggingfaceWikipedia依存句法分析开源项目模型泰语词性标注
bert-base-thai-upos是一个在泰语维基百科语料上预训练的BERT模型,专注于词性标注和依存句法分析。该模型采用通用词性(UPOS)标签集,可通过Transformers库或esupar工具轻松集成。它为泰语自然语言处理任务提供了可靠的基础,尤其适合需要精确词性和句法信息的应用场景。研究人员和开发者可以利用这一模型来增强泰语文本分析能力。
llm-jp-3-1.8b-instruct - 跨平台大规模语言模型的多语言开发与评估
GithubHuggingfacellm-jptransformers大规模语言模型开源项目指令微调模型预训练
项目由日本国家信息学研究所研发中心开发,提供支持多种编程语言的大型语言模型,如C、Python、Java。采用Transformer架构,模型经过大规模数据集的预训练与优化微调,适用于多语言环境。用户可通过Hugging Face Transformers库轻松集成与使用。项目提供模型技术细节、参数设置和语言标记器使用方法,以及多样化的数据集和评估方案,适用于中文、英文、日文等语言。
chinese-bert-wwm - 基于全词掩码技术的中文自然语言处理模型
BERTGithubHuggingface中文自然语言处理全词掩码开源项目机器学习模型预训练模型
chinese-bert-wwm 是一个采用全词掩码技术的中文 BERT 预训练模型。该模型由哈工大讯飞联合实验室(HFL)开发,基于 Google BERT 架构,通过全词掩码方式优化中文语言理解能力。模型支持文本分类、命名实体识别等自然语言处理任务,是 MacBERT、ELECTRA 等中文预训练模型系列的重要组成部分。
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

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。

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