Project Icon

Hebrew-Mistral-7B

面向希伯来语和英语的通用大型语言模型

Hebrew-Mistral-7B是一款开源的大型语言模型,参数量达到70亿,专注于希伯来语和英语的语言理解与生成。基于Mistral-7B-v1.0,模型适用于多种自然语言处理任务,包含64,000个词元,提升了希伯来语和英语的语言处理能力。

heBERT_sentiment_analysis - 希伯来语预训练BERT模型实现情感分析和情绪识别
GithubHeBERTHuggingface开源项目情感分析情绪识别模型自然语言处理预训练模型
heBERT_sentiment_analysis是一个针对希伯来语的预训练BERT模型,用于情感极性分析和情绪识别。该模型在包含10亿词的希伯来语语料库上训练,能准确识别文本情感。在情感分析任务中,模型表现优异,F1分数达0.97。研究团队还收集了用户生成内容数据集进行情绪标注。这为希伯来语自然语言处理研究提供了有力的基础工具。
Mistral-Nemo-Base-2407 - Mistral和NVIDIA联合开发的多语言大模型支持128k超长上下文
GithubHuggingfaceMistral-Nemo-Base-2407多语言支持大语言模型开源项目机器学习模型深度学习
Mistral-Nemo-Base-2407是Mistral AI与NVIDIA合作推出的开源语言模型,采用12B参数规模和128k上下文窗口设计。模型支持英语、法语等8种语言,并在MMLU等多项基准测试中表现出色。基于40层transformer架构,可作为Mistral 7B的升级替代方案。该项目以Apache 2许可证发布,支持多语言及代码生成场景。
opus-mt-en-he - 基于OPUS数据集的英语-希伯来语机器翻译模型
GithubHuggingfaceOPUS-MT开源项目数据集机器翻译模型模型评估英语希伯来语翻译
这是一个基于transformer-align架构的英语-希伯来语翻译模型,采用Apache-2.0开源协议。模型在OPUS数据集上训练,使用规范化和SentencePiece进行预处理,在Tatoeba测试集上获得40.1 BLEU分和0.609 chr-F分。模型提供训练权重下载,可用于英语和希伯来语之间的翻译任务。
Breeze-7B-Instruct-v1_0 - 增强繁体中文处理能力,提高语言模型性能
Breeze-7BGithubHuggingfaceMediaTek传统中文开源项目文本生成模型语言模型
Breeze-7B-Instruct-v1_0 是MediaTek Research开发的语言模型,专为繁体中文应用而设计。基于Breeze-7B-Base的演进,支持问答、多轮对话和文本摘要等任务。其在繁体中文及英语的测试中表现优越,相较于同类开源模型有显著提升。Breeze-7B通过词汇扩展和高效推理性能,在繁体中文任务中展现优势。v1.0版本经过精细化训练,提供高效准确的语言处理。
SciPhi-Mistral-7B-32k - 基于Mistral-7B-v0.1增强科学推理与教育能力的AI模型
GithubHuggingfaceSciPhi-Mistral-7B-32kTransformer大语言模型开源项目教育能力模型科学推理
SciPhi-Mistral-7B-32k是从Mistral-7B-v0.1微调而来的大型语言模型,通过四轮微调和超过十亿个token的数据集,实现了卓越的科学推理及教育能力。其特点包括采用变压器架构、组内查询注意力、滑窗注意力,并支持字节回退BPE分词器。SciPhi-Self-RAG-Mistral-7B-32k当前可用,具体细节可查看相关文档。
Infinity-Instruct-3M-0613-Mistral-7B - 提升语言模型性能的开源指导调优模型
AlpacaEval2.0GithubHuggingfaceInfinity Instruct开源模型开源项目指令微调无反馈强化学习模型
Infinity-Instruct-3M-0613-Mistral-7B是一个开源的指导调优模型,无需人类反馈的强化学习。该模型在百万级指令数据集上经过微调,在AlpacaEval 2.0基准测试中取得了25.5的高分,表现优于Mixtral 8x7B v0.1、Gemini Pro和GPT-3.5。通过低成本训练提高了Mistral-7B的基础能力和对话能力,并在MT-Bench测试中表现出色。适合多样化的下游任务,该模型为研究与应用提供了良好的支持。
e5-mistral-7b-instruct - 多语言NLP任务的全能型模型
GithubHuggingfaceMTEB开源项目性能指标模型模型评估自然语言处理跨语言测试
e5-mistral-7b-instruct是一个多语言自然语言处理模型,在MTEB基准测试中表现出色。模型能够处理句子相似度、文本分类、信息检索和文本聚类等任务,支持英语、德语、法语等多种语言。在Amazon评论分类和BUCC双语文本挖掘等复杂NLP任务中,该模型在准确率、F1分数和平均精度(MAP)等指标上均取得了良好成绩,展现了其在跨语言和多领域应用中的实用价值。
TowerBase-7B-v0.1 - 增强翻译及多语种任务的多语言模型性能
GithubHuggingfaceTowerBase-7BUnbabel多语言开源项目文本生成模型翻译模型
TowerBase-7B-v0.1是一个多语言模型,通过继续在Llama 2的基础上对20亿条多语种数据进行预训练,在10种主要语言中表现出色。非常适合用于翻译和相关应用任务,在AI2 Reasoning Challenge和HellaSwag等测试中展现出优异的归一化准确率。该模型支持快速无监督调优,为相应语言的研究提供支持。技术报告将提供详细信息。
japanese-stablelm-base-gamma-7b - 日语7B参数语言模型,增强语言建模与任务表现
AI模型GithubHuggingfaceJapanese Stable LMStability AI开源项目模型自然语言处理语言生成
该模型由Stability AI开发,具备7B参数,专注于优化日语语言建模和任务性能,通过Mistral-7B-v0.1的日语持续预训练,获取丰富语言知识。它应用于多个场景并允许微调,数据集丰富包括Wikipedia与mc4。注意,在生产环境中应小心潜在的偏见与限制,但其开放性使其成为多种项目的基础。
Mistral-NeMo-Minitron-8B-Base - 高效压缩的大规模语言模型适用于多种自然语言生成任务
GithubHuggingfaceMistral-NeMo人工智能大语言模型开源项目模型模型压缩自然语言处理
Mistral-NeMo-Minitron-8B-Base是一个经过剪枝和蒸馏的基础文本生成模型。它采用4096维嵌入、32个注意力头、11520维MLP中间层和40层结构,结合分组查询注意力和旋转位置编码技术。该模型在MMLU等基准测试中表现优异,适用于多种自然语言生成任务。支持8k字符输入,可通过Transformers库轻松使用。
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。

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