Distilbert Mlm 250k
DistilBERT 是 BERT 的轻量级蒸馏版本，保留了 BERT 的大部分性能，但参数量更少，推理速度更快。
下载量 17
发布时间 : 4/2/2022
模型简介
DistilBERT 是一个基于 BERT 的轻量级语言模型，通过知识蒸馏技术训练而成。它适用于各种自然语言处理任务，如文本分类、问答和命名实体识别。
模型特点
轻量高效
DistilBERT 通过知识蒸馏技术减少了参数量，同时保留了 BERT 的大部分性能，推理速度更快。
多任务支持
适用于多种自然语言处理任务，包括文本分类、问答和命名实体识别等。
预训练模型
在多个大型数据集（C4、MSMARCO、维基百科、S2ORC 和新闻数据集）上进行了预训练。
模型能力
文本分类
问答系统
命名实体识别
文本相似度计算
使用案例
文本分类
情感分析
对文本进行情感倾向性分析，判断其是正面、负面还是中性。
在多个情感分析数据集上表现良好。
问答系统
开放域问答
回答用户提出的各种问题，适用于客服机器人和智能助手。
在 MSMARCO 等问答数据集上表现良好。
命名实体识别
实体抽取
从文本中识别并分类命名实体，如人名、地名和组织名。
在 CoNLL-2003 等数据集上表现良好。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言
Transformers 支持多种语言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
Transformers 英语C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
智启未来，您的人工智能解决方案智库
简体中文