#意大利语

UmBERTo Wikipedia Uncased是基于Roberta的意大利语语言模型，利用SentencePiece和Whole Word Masking技术进行训练。该模型展示出在命名实体识别和词性标注任务中的高表现，尤其是在F1和精确度指标上。模型训练于小规模的意大利语Wikipedia语料库，为意大利语应用提供支持。可以在huggingface平台上获取并进行应用测试。

该模型专注于处理意大利语问答任务，适用于需要识别最相关答案上下文的场景。通过基于Transformer的架构，该模型针对意大利语的特性进行了优化，适合用于客户支持自动化、教育工具以及信息检索系统，提升应用效果。

opus-mt-it-en是一个基于transformer-align架构的意大利语至英语神经机器翻译模型。该模型利用OPUS数据集训练，采用normalization和SentencePiece进行预处理。在多个测试集上表现优异，尤其在Tatoeba测试集上获得70.9的BLEU分数和0.808的chr-F分数，显示出较高的翻译质量。此外，该模型在newssyscomb2009和newstest2009等其他测试集上也展现了出色的跨领域翻译能力。

Llama-3-8b-Ita是一个基于Meta-Llama-3-8B模型针对意大利语优化的大型语言模型。该模型在IFEval、BBH和MATH等多项评估任务中表现优异，支持意大利语和英语文本生成。模型可通过Python代码轻松调用，在Open LLM Leaderboard上的平均得分为26.58。Llama-3-8b-Ita在多语言处理方面展现出了良好的性能。

SeewebLLM-it是一款针对意大利语优化的语言模型，基于LLama-2-7b-chat-hf精细微调，在Seeweb Cloud GPU的支持下经过训练，涵盖了约300个意大利语对话实例。虽然目前的输出在准确性上还需进一步提升，但随着训练数据集的扩展，该模型未来可在更多领域展现潜力。

Azzurro是基于Mistral-7B-v0.2的意大利语大语言模型，经过SFT和LoRA技术优化。模型使用SQUAD-it等公开数据集和自制数据集训练，擅长理解和维护上下文，适用于RAG任务和上下文感知应用。在hellaswag、arc和mmlu评估集上，Azzurro平均得分0.52。该模型易于集成，为意大利语NLP项目提供有力支持。同时提供4位和8位量化版本，适应不同硬件环境。

这是一个基于Facebook的wav2vec2-large-xlsr-53模型，在Common Voice 6.1意大利语数据集上微调的语音识别模型。模型在测试集上达到9.41%的词错误率和2.29%的字符错误率。支持直接处理16kHz采样的语音输入，无需额外语言模型。项目提供了详细的使用说明和评估脚本，便于研究人员快速应用和测试。

Italia-9B是开放源代码的意大利语大型语言模型，由iGenius和Cineca合作开发，使用Leonardo超级计算机进行训练。该模型适用于金融和公共管理领域，其设计符合欧洲AI法规，确保生成内容的可靠性和数据安全性。具备全面的意大利语词汇和文化知识，适用于自动化内容生成和领域研究。

Minerva-350M-base-v1.0是一个基于350百万参数的开源语言模型，使用意大利语和英语数据进行训练。这一模型由Sapienza NLP、FAIR及CINECA共同开发，提升双语文本生成。使用时需注意可能存在的偏见与不当内容。

Minerva-chat-v0.1-alpha-sft项目致力于用先进技术优化用户交互体验，提升聊天质量和效率。项目的特点包括快速响应和强大的语言适应能力，以及稳定的技术架构，为智能聊天领域提供了有价值的解决方案。

Volare是一个专注于上下文理解和RAG任务处理的开源对话模型，基于Gemma7B开发并经过优化。模型在多个标准测试集中展现出优秀性能，平均准确率超过55%。支持CPU/GPU环境运行且提供多种量化版本，能够灵活应用于各类文本处理场景。该项目由Moxoff团队开发，采用公开数据集训练，确保了模型的可靠性和实用性。

该模型适用于意大利语命名实体识别，通过零样本学习实现对多种实体的识别，无需特定训练。可联系Michele Montebovi进行定制以提升性能。模型支持CPU运行并可通过浏览器直接体验。

Llama-3.1-8b-ITA是一个专注意大利语优化的大型语言模型，采用Meta-Llama-3.1-8B-Instruct架构。模型在IFEval零样本测试达到79.17%准确率，支持Python环境部署，可用于文本生成。在Open LLM排行榜中，BBH测试达30.93%，MMLU-PRO达31.96%，整体表现稳定。

Minerva-3B-base-v1.0是由Sapienza NLP与FAIR及CINECA合作开发的开源大型语言模型，专门在意大利语和英语文本上进行预训练。其采用3亿参数和6600亿标记数设计，基于Mistral架构，可有效进行文本生成。同时指出，这一模型在推理速度和词汇处理方面表现优良，但也可能会生成偏见或不当内容，因此在使用时需注意。

LLaMAntino-2-7b 是一款专门适配意大利语的 LLaMA 2 大型语言模型，旨在支持自然语言生成任务。该模型采用 QLora 方法在 clean_mc4_it 中等数据集上进行训练，为意大利 NLP 研究提供基础。由 Pierpaolo Basile 等人开发，并获得 PNRR 项目 FAIR 的支持，在 Leonardo 超级计算机上运行。代码尚未发布，更多信息可通过 GitHub 获取。此模型以 Llama 2 社区许可证开放，适合应用于意大利语的自然语言处理任务。

Qwen2-1.5B-ITA-Instruct 通过 Unsloth 连续预训练模式提升意大利语表现，初步微调使用 gsarti/clean_mc4_it 数据集，随后借助 FreedomIntelligence/alpaca-gpt4-italian 数据集进行指示性微调，实现训练效率翻倍，综合性能在意大利语模型排行榜上有出色表现。

multi-sentence-BERTino是专为意大利语设计的句子嵌入模型，依托sentence-transformers实现高效的建模。该模型使用mmarco italian和stsb italian数据集进行训练，可用于语义搜索和聚类，支持两种操作方式：使用sentence-transformers库或HuggingFace Transformers。文档包含训练参数和评估结果，详细描述了完整模型架构，适合各种自然语言处理任务。

该模型专注于意大利语处理，基于Mistral-7b模型在大规模高质量语料库上的预训练，并结合了occiglot模型。对170万次对话和指令进行微调后，提升了数学、推理能力和拉丁文翻译能力。适用于多种应用场景，如生成Mermaid思维导图和SQL代码，采用ChatML提示格式。此外，作为Beta版设计，模型具有‘安全性’，能够拒绝有害问题的回答。

这是一个经过指令微调的意大利语大语言模型。使用QLora技术训练，并基于UltraChat数据集的意大利语版本。项目开发由Leonardo超级计算机支持，并适用于多种意大利语对话场景的云端推理。

基于Meta Llama 3技术的LLaMAntino-3模型特别为意大利NLP研究开发，通过AI2推理挑战、HellaSwag和TruthfulQA等任务的微调与评估，实现卓越的文本生成和准确性表现。支持多语言输入，尤其是在意大利语环境中高效处理文本生成任务。