#印度语言

IndicBERTv2-MLM-only是一个支持23种印度语言和英语的大规模多语言预训练模型。该模型基于IndicCorp v2数据集训练，包含2.78亿参数，采用掩码语言模型（MLM）目标。在IndicXTREME基准测试中，模型展现出优秀的多语言和零样本迁移能力。作为印度语言自然语言处理的重要资源，IndicBERTv2-MLM-only有望推动相关研究，缩小印度语言在NLP领域的差距。

IndicNER是一个针对11种印度语言开发的命名实体识别模型。该模型通过数百万句子的微调训练，并在人工标注测试集和多个公开数据集上进行了性能评估。IndicNER支持阿萨姆语、孟加拉语、古吉拉特语等多种印度语言，能够有效识别句子中的命名实体。作为一个基于最新深度学习技术的工具，IndicNER为印度语言的自然语言处理研究和应用提供了有力支持。

IndicBERT是一个基于ALBERT架构的多语言预训练模型，支持包括印地语、泰米尔语在内的12种印度主要语言。模型使用90亿规模的语料库训练，具有参数量小、性能优异的特点。在多项NLP评估任务中，其表现优于或持平于mBERT、XLM-R等主流多语言模型。

MuRIL是基于BERT large架构开发的印度语言预训练模型，支持17种印度语言及其音译版本。模型通过整合翻译数据和音译语料进行训练，在PANX和问答等多项XTREME基准测试中超越XLM-R large的性能表现，可广泛应用于印度语言相关的自然语言处理任务。

IndicTrans2是一个开源机器翻译模型，专注于英语和22种印度官方语言之间的翻译。该模型基于Transformer架构，拥有11亿参数，支持多种印度文字系统，包括印地文、泰米尔文和泰卢固文等。IndicTrans2提供HuggingFace接口，便于开发者集成使用。模型在多个翻译基准测试中表现出色，适用于各种印度语言翻译场景。

MuRIL是一种专为17种印度语言及其音译数据预训练的BERT模型。此模型利用公共数据集和新颖的训练方法，在低资源语言处理上表现优异。MuRIL在多个基准任务中超越了传统的mBERT模型，适用于印度语言的多种NLP任务，并附带预处理模块及使用指南以支持有效应用。