rinalmo

基于BERT的非编码RNA预训练模型助力RNA结构预测

模型 RiNALMo RNA模型序列分析 Github 深度学习 Huggingface 开源项目生物信息学

RiNALMo是一种基于BERT架构的非编码RNA预训练语言模型。该模型在3600万条独特ncRNA序列上使用掩码语言建模进行训练，可有效应用于RNA结构预测。模型包含33层、1280个隐藏单元和20个注意力头，总参数量达6.5亿。RiNALMo可用于RNA序列特征提取、序列和核苷酸级别的分类回归任务，以及RNA接触预测等多种下游应用。

访问官网

Github

Huggingface

介绍相关项目

Bio_ClinicalBERT - 为医疗临床文本优化的BERT模型

BERTClinicalBERTGithubHuggingface医疗数据开源项目机器学习模型自然语言处理

Bio_ClinicalBERT是一个针对医疗临床文本优化的BERT模型。该模型以BioBERT为基础，在MIMIC III数据库的医疗记录上进行了深度训练。它专门设计用于提升电子健康记录的理解和分析能力，尤其适合处理ICU患者数据。研究人员可通过transformers库轻松使用此模型，为临床自然语言处理任务提供有力支持。Bio_ClinicalBERT在医疗文本分析领域展现出卓越性能，为相关研究提供了有价值的工具。

DeBERTa-v3-base-mnli-fever-anli - 基于DeBERTa-v3的多数据集训练自然语言推理模型

DeBERTaGithubHuggingface多任务学习开源项目数据集模型模型评估自然语言推理

该模型采用DeBERTa-v3作为基础架构，通过在MNLI、FEVER和ANLI三个主要自然语言推理数据集上训练而成。在ANLI测试集R1上达到71.2%的准确率，MNLI验证集上达到90.3%的准确率，展现了优秀的推理能力。模型可应用于零样本文本分类等多种NLP任务，为研究人员和开发者提供了实用的工具。

evo-1-8k-base - 高效的生物长序列建模与设计的深度信号处理模型

EvoGithubHuggingfaceStripedHyena基因组学开源项目模型模型架构深度信号处理

Evo是一个基于生物的基础模型，通过StripedHyena架构支持长序列建模与设计。Evo拥有7亿参数，可在单核苷酸和字节级别进行建模，并在计算和内存使用上实现接近线性的扩展。Evo-1-8k-base模型适用于8,192上下文长度的分子层面微调，是Evo家族中的第一款产品。此模型不仅支持高效的自动回归生成，还能快速处理长上下文训练和微调，在自然语言和生物序列的大规模数据处理中展示出色的扩展性。作为开源科学的组成部分，该项目提供15个阶段的中间预训练检查点以供研究使用。

deberta-v2-xlarge-mnli - DeBERTa架构的大规模预训练语言模型用于自然语言推理

DeBERTaGithubHuggingface人工智能开源项目微软机器学习模型自然语言处理

deberta-v2-xlarge-mnli是基于DeBERTa V2架构的大型预训练语言模型,经过MNLI任务微调。模型包含24层,1536隐藏单元,共9亿参数。它采用解耦注意力和增强掩码解码器,在GLUE等自然语言理解基准测试中表现优异,为相关研究与应用提供了新的可能。

v3_1_pt_ep1_sft_5_based_on_llama3_1_8b_final_data_20241019 - 探索先进的自然语言处理开源模型及其实际应用

GithubHuggingfacetransformers开源项目模型模型卡环境影响训练细节语言模型

了解先进自然语言处理开源模型的信息，包括用途、评估方法及风险提示。虽然详细信息未完全披露，但以上内容可为开发和应用提供重要参考。

LLM2Vec-Mistral-7B-Instruct-v2-mntp - 将大型语言模型转变为高效文本编码器的简单方法

GithubHuggingfaceLLM2Vec开源项目文本编码模型深度学习自然语言处理语义相似度

LLM2Vec-Mistral-7B-Instruct-v2-mntp项目提供了一种将解码器型大语言模型转换为文本编码器的方法。该方法包括启用双向注意力、掩码下一个词预测和无监督对比学习三个步骤。经过转换的模型可生成高质量文本嵌入，适用于信息检索、文本分类和语义相似度等自然语言处理任务，并可通过微调进一步提升性能。

moirai-1.0-R-small - Moirai 开源预训练时间序列预测模型

GithubHuggingfaceMoiraiTransformer开源项目时间序列预测机器学习模型预训练模型

Moirai-1.0-R-small是一个开源的预训练时间序列预测模型。它基于掩码编码器架构，在LOTSA数据集上训练，可处理多变量时间序列。该模型使用补丁嵌入和混合分布输出等技术，提供高精度预测。通过uni2ts库，研究人员和开发者可以便捷地将Moirai应用于各类时间序列预测任务。

ClinicalBERT - 医疗领域专用BERT模型助力临床文本分析

ClinicalBERTGithubHuggingface医疗人工智能开源项目模型电子病历自然语言处理预训练语言模型

ClinicalBERT是一款基于BERT架构的医疗领域自然语言处理模型。该模型利用12亿词的多中心疾病语料库进行预训练，并通过300多万患者的电子健康记录进行微调。ClinicalBERT采用掩码语言模型原理，适用于多种临床文本分析任务。研究人员可通过transformers库轻松调用此模型，为医疗AI研究提供有力工具。

nli-deberta-v3-base - 基于DeBERTa-v3的自然语言推理模型

Cross-EncoderDeBERTaGithubHuggingfaceSentenceTransformers开源项目模型自然语言推理零样本分类

nli-deberta-v3-base是一个基于DeBERTa-v3的自然语言推理模型，通过SNLI和MultiNLI数据集训练而成。它能够分析句子对之间的关系，输出矛盾、蕴含和中性三种标签的概率分布。在SNLI测试集和MNLI不匹配集上，该模型分别达到了92.38%和90.04%的准确率。用户可以借助SentenceTransformers或Transformers库轻松调用此模型，同时它还支持零样本分类任务。

LIMA-13b-hf - 基于Transformer架构的自动回归语言模型，用于自然语言处理的研究

GithubHuggingfaceLLaMA偏见评估大语言模型开源项目模型模型性能自然语言处理

LLaMA是由Meta AI的FAIR团队开发的基于Transformer架构的自动回归语言模型，专为自然语言处理和机器学习研究人员而设计。该模型提供7B、13B、33B和65B参数的多种规格，支持问答和自然语言理解等研究用途，并注重偏见和有害内容生成的评估与减少。虽然使用20种语言进行训练，但其在英语文本处理上表现更佳。LLaMA被定位为AI研究基础工具，不建议直接应用于未经评估的下游应用。

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。

使用协议隐私政策广告服务

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