robeczech-base

专为捷克语开发的单语RoBERTa模型

模型 Github 开源项目语言模型 Huggingface RoBERTa Czech 自然语言处理 RobeCzech

RobeCzech是布拉格查理大学开发的捷克语RoBERTa模型，在4900M个token的语料库上预训练。它采用52,000词汇量的字节级BPE分词器，在形态分析、依存句法分析、命名实体识别和语义解析等任务中表现优异。该模型为捷克语自然语言处理研究和应用提供了有力支持，可用于多种下游任务。

文档

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。

stsb-roberta-base - 基于RoBERTa的句对语义相似度预测模型

GithubHuggingfaceSentenceTransformers交叉编码器开源项目模型模型训练自然语言处理语义相似度

stsb-roberta-base是一个基于SentenceTransformers的Cross-Encoder模型，专门用于预测句对语义相似度。该模型在STS benchmark数据集上训练，可为句对相似性给出0到1之间的分数。模型支持通过sentence_transformers库或Transformers的AutoModel类调用，为NLP任务提供语义分析功能。模型采用Apache-2.0开源许可，使用简单，只需几行代码即可实现句对相似度预测。它不仅可用于语义相似度任务，还可应用于问答系统、文本匹配等多种NLP场景，为开发者提供了便捷的语义分析解决方案。

bert-large-portuguese-cased - BERT大规模预训练模型助力巴西葡萄牙语NLP任务

BERTGithubHuggingface开源项目模型神经网络自然语言处理葡萄牙语预训练模型

bert-large-portuguese-cased是一个专为巴西葡萄牙语开发的BERT预训练模型。该模型在命名实体识别、句子相似度和文本蕴含等多项NLP任务中表现出色。模型提供Base和Large两种版本，参数量分别为1.1亿和3.35亿。它支持掩码语言建模和BERT嵌入生成，为巴西葡萄牙语NLP研究奠定了坚实基础。

mdeberta-v3-base - DeBERTa V3架构多语言模型助力跨语言NLU任务

DeBERTaGithubHuggingface多语言模型开源项目模型深度学习自然语言处理预训练模型

mdeberta-v3-base是基于DeBERTa V3架构的多语言预训练模型,使用2.5T CC100数据训练。在XNLI跨语言迁移任务中,其平均准确率达79.8%,显著超越XLM-R。模型采用梯度解耦嵌入共享和ELECTRA式预训练,增强下游任务表现。结构包含12层transformer,768维隐藏层,共2.76亿参数。适用于多语言自然语言理解任务,尤其在低资源语言中表现出色。

BERTweet - 专为英语推文预训练的大规模语言模型，助力自然语言处理

BERTweetCOVID-19GithubRoBERTa开源项目英文推文语言模型

BERTweet是首个专为英语推文预训练的公共语言模型，基于RoBERTa预训练程序，使用850M条推文数据进行训练，包含普通推文和疫情相关推文。BERTweet提供多种预训练模型，能够无缝集成于transformers和fairseq框架，支持情感分析、命名实体识别等自然语言处理任务，为研究和应用提供有力支持。

Baichuan-7B - 开源中英双语大规模预训练模型，支持商用

Baichuan-7BGithubTransformer结构中英双语开源可商用开源项目预训练语言模型

Baichuan-7B是由百川智能开发的开源可商用中英双语大规模预训练语言模型。基于Transformer结构，该模型在1.2万亿tokens上训练，拥有70亿参数，并提供4096长度的上下文窗口。在中文和英文的基准测试（C-Eval和MMLU）中表现出色。该模型可在Hugging Face和ModelScope平台上获取，适合开发者和研究人员使用。

vocab-coverage - 中文语言模型识字率与词向量分布分析

BERTERNIEGithub中文认知开源项目词向量语言模型

该项目分析了多种语言模型的中文识字率与词向量分布情况，通过字符集分类和词向量空间分布的研究，了解模型在处理中文字符时的认知能力。涵盖了BERT、ERNIE、roBERTa等模型的对比，以及不同字符集的识字判定，为后续的模型评估和改进提供了参考。

LongRoPE - 扩展大语言模型上下文窗口至200万以上标记的方法

GithubLongRoPETransformer上下文窗口位置编码大语言模型开源项目

LongRoPE项目提出了一种将大语言模型（LLM）上下文窗口扩展至超过200万个标记的方法。通过利用位置嵌入中的非均匀性，项目实现了8倍的上下文窗口扩展，无需微调。采用逐步扩展策略从256k微调至2048k上下文，避免了对超长文本的直接微调。LongRoPE还调整了原始窗口长度内的嵌入，确保在各种任务中保持高效表现，适用于对话、问答、长文档摘要及少样本学习。

chinese_speech_pretrain - 中文语音预训练模型，wav2vec 2.0和HuBERT的开源实现

GithubHuBERTWenetSpeechwav2vec 2.0中文语音识别开源项目语音预训练模型

chinese_speech_pretrain项目开源了基于WenetSpeech数据集训练的中文语音预训练模型。项目包含wav2vec 2.0和HuBERT的BASE与LARGE版本，均使用1万小时多样化中文语音数据训练。模型在自动语音识别任务中表现优异，尤其适合低资源场景。项目提供模型下载及使用指南，可用于语音识别、语音合成等研究领域。

bocoel - 贝叶斯优化用于评估大型语言模型的开源工具

BoCoELGithub大语言模型开源项目数据集评估贝叶斯优化

BoCoEL通过贝叶斯优化来选择高效小样本子集，从而减少评估大型语言模型所需的时间和资源。它支持GPT2、Pythia、LLAMA等模型，兼容huggingface的transformers和datasets，并采用模块化设计和高效数据表示方式。适合需要在预算限制下进行高效语言模型评估的用户。

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。

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