模型介绍
内容详情
替代品
模型简介
基于intfloat/multilingual-e5-large-instruct的多语言文本嵌入模型，擅长跨语言文本分类、检索和聚类任务
模型特点
多语言支持
支持超过100种语言的文本处理，包括主流语言和部分低资源语言
高性能文本嵌入
在MTEB基准测试中表现出色，特别擅长文本分类和检索任务
指令优化
针对指令任务进行了专门优化，能更好地理解任务需求
模型能力
多语言文本分类
跨语言文本检索
文档聚类分析
双语文本挖掘
语义相似度计算
文本重排序
使用案例
电子商务
多语言商品评论分类
对亚马逊等平台的商品评论进行情感分析和分类
在MTEB AmazonPolarityClassification任务中达到96.29%准确率
信息检索
跨语言文档检索
在不同语言的文档集合中查找相关内容
在MTEB BUCC双语挖掘任务中达到99.66%准确率
学术研究
学术论文聚类
对arXiv和Biorxiv上的学术论文进行主题聚类
在MTEB ArxivClusteringP2P任务中达到46.40 v_measure分数
标签:
- mteb
- sentence-transformers
- transformers
- llama-cpp
- gguf-my-repo 语言:
- 多语言
- 南非荷兰语
- 阿姆哈拉语
- 阿拉伯语
- 阿萨姆语
- 阿塞拜疆语
- 白俄罗斯语
- 保加利亚语
- 孟加拉语
- 布列塔尼语
- 波斯尼亚语
- 加泰罗尼亚语
- 捷克语
- 威尔士语
- 丹麦语
- 德语
- 希腊语
- 英语
- 世界语
- 西班牙语
- 爱沙尼亚语
- 巴斯克语
- 波斯语
- 芬兰语
- 法语
- 弗里西亚语
- 爱尔兰语
- 苏格兰盖尔语
- 加利西亚语
- 古吉拉特语
- 豪萨语
- 希伯来语
- 印地语
- 克罗地亚语
- 匈牙利语
- 亚美尼亚语
- 印度尼西亚语
- 冰岛语
- 意大利语
- 日语
- 爪哇语
- 格鲁吉亚语
- 哈萨克语
- 高棉语
- 卡纳达语
- 韩语
- 库尔德语
- 吉尔吉斯语
- 拉丁语
- 老挝语
- 立陶宛语
- 拉脱维亚语
- 马达加斯加语
- 马其顿语
- 马拉雅拉姆语
- 蒙古语
- 马拉地语
- 马来语
- 缅甸语
- 尼泊尔语
- 荷兰语
- 挪威语
- 奥罗莫语
- 奥里亚语
- 旁遮普语
- 波兰语
- 普什图语
- 葡萄牙语
- 罗马尼亚语
- 俄语
- 梵语
- 信德语
- 僧伽罗语
- 斯洛伐克语
- 斯洛文尼亚语
- 索马里语
- 阿尔巴尼亚语
- 塞尔维亚语
- 巽他语
- 瑞典语
- 斯瓦希里语
- 泰米尔语
- 泰卢固语
- 泰语
- 他加禄语
- 土耳其语
- 维吾尔语
- 乌克兰语
- 乌尔都语
- 乌兹别克语
- 越南语
- 科萨语
- 意第绪语
- 中文 许可证: mit 基础模型: intfloat/multilingual-e5-large-instruct 模型索引:
- 名称: multilingual-e5-large-instruct
结果:
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonCounterfactualClassification (en)
类型: mteb/amazon_counterfactual
配置: en
分割: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
- 类型: 准确率 值: 76.23880597014924
- 类型: ap 值: 39.07351965022687
- 类型: f1 值: 70.04836733862683
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonCounterfactualClassification (de)
类型: mteb/amazon_counterfactual
配置: de
分割: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
- 类型: 准确率 值: 66.71306209850107
- 类型: ap 值: 79.01499914759529
- 类型: f1 值: 64.81951817560703
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonCounterfactualClassification (en-ext)
类型: mteb/amazon_counterfactual
配置: en-ext
分割: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
- 类型: 准确率 值: 73.85307346326837
- 类型: ap 值: 22.447519885878737
- 类型: f1 值: 61.0162730745633
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonCounterfactualClassification (ja)
类型: mteb/amazon_counterfactual
配置: ja
分割: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
- 类型: 准确率 值: 76.04925053533191
- 类型: ap 值: 23.44983217128922
- 类型: f1 值: 62.5723230907759
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonPolarityClassification
类型: mteb/amazon_polarity
配置: 默认
分割: 测试
修订: e2d317d38cd51312af73b3d32a06d1a08b442046
指标:
- 类型: 准确率 值: 96.28742500000001
- 类型: ap 值: 94.8449918887462
- 类型: f1 值: 96.28680923610432
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (en)
类型: mteb/amazon_reviews_multi
配置: en
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 56.716
- 类型: f1 值: 55.76510398266401
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (de)
类型: mteb/amazon_reviews_multi
配置: de
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 52.99999999999999
- 类型: f1 值: 52.00829994765178
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (es)
类型: mteb/amazon_reviews_multi
配置: es
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 48.806000000000004
- 类型: f1 值: 48.082345914983634
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (fr)
类型: mteb/amazon_reviews_multi
配置: fr
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 48.507999999999996
- 类型: f1 值: 47.68752844642045
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (ja)
类型: mteb/amazon_reviews_multi
配置: ja
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 47.709999999999994
- 类型: f1 值: 47.05870376637181
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonReviewsClassification (zh)
类型: mteb/amazon_reviews_multi
配置: zh
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 44.662000000000006
- 类型: f1 值: 43.42371965372771
- 任务:
类型: 检索
数据集:
名称: MTEB ArguAna
类型: arguana
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 31.721
- 类型: map_at_10 值: 49.221
- 类型: map_at_100 值: 49.884
- 类型: map_at_1000 值: 49.888
- 类型: map_at_3 值: 44.31
- 类型: map_at_5 值: 47.276
- 类型: mrr_at_1 值: 32.432
- 类型: mrr_at_10 值: 49.5
- 类型: mrr_at_100 值: 50.163000000000004
- 类型: mrr_at_1000 值: 50.166
- 类型: mrr_at_3 值: 44.618
- 类型: mrr_at_5 值: 47.541
- 类型: ndcg_at_1 值: 31.721
- 类型: ndcg_at_10 值: 58.384
- 类型: ndcg_at_100 值: 61.111000000000004
- 类型: ndcg_at_1000 值: 61.187999999999995
- 类型: ndcg_at_3 值: 48.386
- 类型: ndcg_at_5 值: 53.708999999999996
- 类型: precision_at_1 值: 31.721
- 类型: precision_at_10 值: 8.741
- 类型: precision_at_100 值: 0.991
- 类型: precision_at_1000 值: 0.1
- 类型: precision_at_3 值: 20.057
- 类型: precision_at_5 值: 14.609
- 类型: recall_at_1 值: 31.721
- 类型: recall_at_10 值: 87.411
- 类型: recall_at_100 值: 99.075
- 类型: recall_at_1000 值: 99.644
- 类型: recall_at_3 值: 60.171
- 类型: recall_at_5 值: 73.044
- 任务:
类型: 聚类
数据集:
名称: MTEB ArxivClusteringP2P
类型: mteb/arxiv-clustering-p2p
配置: 默认
分割: 测试
修订: a122ad7f3f0291bf49cc6f4d32aa80929df69d5d
指标:
- 类型: v_measure 值: 46.40419580759799
- 任务:
类型: 聚类
数据集:
名称: MTEB ArxivClusteringS2S
类型: mteb/arxiv-clustering-s2s
配置: 默认
分割: 测试
修订: f910caf1a6075f7329cdf8c1a6135696f37dbd53
指标:
- 类型: v_measure 值: 40.48593255007969
- 任务:
类型: 重排序
数据集:
名称: MTEB AskUbuntuDupQuestions
类型: mteb/askubuntudupquestions-reranking
配置: 默认
分割: 测试
修订: 2000358ca161889fa9c082cb41daa8dcfb161a54
指标:
- 类型: map 值: 63.889179122289995
- 类型: mrr 值: 77.61146286769556
- 任务:
类型: STS
数据集:
名称: MTEB BIOSSES
类型: mteb/biosses-sts
配置: 默认
分割: 测试
修订: d3fb88f8f02e40887cd149695127462bbcf29b4a
指标:
- 类型: cos_sim_pearson 值: 88.15075203727929
- 类型: cos_sim_spearman 值: 86.9622224570873
- 类型: euclidean_pearson 值: 86.70473853624121
- 类型: euclidean_spearman 值: 86.9622224570873
- 类型: manhattan_pearson 值: 86.21089380980065
- 类型: manhattan_spearman 值: 86.75318154937008
- 任务:
类型: 双语挖掘
数据集:
名称: MTEB BUCC (de-en)
类型: mteb/bucc-bitext-mining
配置: de-en
分割: 测试
修订: d51519689f32196a32af33b075a01d0e7c51e252
指标:
- 类型: 准确率 值: 99.65553235908142
- 类型: f1 值: 99.60681976339595
- 类型: 精确率 值: 99.58246346555325
- 类型: 召回率 值: 99.65553235908142
- 任务:
类型: 双语挖掘
数据集:
名称: MTEB BUCC (fr-en)
类型: mteb/bucc-bitext-mining
配置: fr-en
分割: 测试
修订: d51519689f32196a32af33b075a01d0e7c51e252
指标:
- 类型: 准确率 值: 99.26260180497468
- 类型: f1 值: 99.14520507740848
- 类型: 精确率 值: 99.08650671362535
- 类型: 召回率 值: 99.26260180497468
- 任务:
类型: 双语挖掘
数据集:
名称: MTEB BUCC (ru-en)
类型: mteb/bucc-bitext-mining
配置: ru-en
分割: 测试
修订: d51519689f32196a32af33b075a01d0e7c51e252
指标:
- 类型: 准确率 值: 98.07412538967787
- 类型: f1 值: 97.86629719431936
- 类型: 精确率 值: 97.76238309664012
- 类型: 召回率 值: 98.07412538967787
- 任务:
类型: 双语挖掘
数据集:
名称: MTEB BUCC (zh-en)
类型: mteb/bucc-bitext-mining
配置: zh-en
分割: 测试
修订: d51519689f32196a32af33b075a01d0e7c51e252
指标:
- 类型: 准确率 值: 99.42074776197998
- 类型: f1 值: 99.38564156573635
- 类型: 精确率 值: 99.36808846761454
- 类型: 召回率 值: 99.42074776197998
- 任务:
类型: 分类
数据集:
名称: MTEB Banking77Classification
类型: mteb/banking77
配置: 默认
分割: 测试
修订: 0fd18e25b25c072e09e0d92ab615fda904d66300
指标:
- 类型: 准确率 值: 85.73376623376623
- 类型: f1 值: 85.68480707214599
- 任务:
类型: 聚类
数据集:
名称: MTEB BiorxivClusteringP2P
类型: mteb/biorxiv-clustering-p2p
配置: 默认
分割: 测试
修订: 65b79d1d13f80053f67aca9498d9402c2d9f1f40
指标:
- 类型: v_measure 值: 40.935218072113855
- 任务:
类型: 聚类
数据集:
名称: MTEB BiorxivClusteringS2S
类型: mteb/biorxiv-clustering-s2s
配置: 默认
分割: 测试
修订: 258694dd0231531bc1fd9de6ceb52a0853c6d908
指标:
- 类型: v_measure 值: 36.276389017675264
- 任务:
类型: 检索
数据集:
名称: MTEB CQADupstackRetrieval
类型: BeIR/cqadupstack
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 27.764166666666668
- 类型: map_at_10 值: 37.298166666666674
- 类型: map_at_100 值: 38.530166666666666
- 类型: map_at_1000 值: 38.64416666666667
- 类型: map_at_3 值: 34.484833333333334
- 类型: map_at_5 值: 36.0385
- 类型: mrr_at_1 值: 32.93558333333333
- 类型: mrr_at_10 值: 41.589749999999995
- 类型: mrr_at_100 值: 42.425333333333334
- 类型: mrr_at_1000 值: 42.476333333333336
- 类型: mrr_at_3 值: 39.26825
- 类型: mrr_at_5 值: 40.567083333333336
- 类型: ndcg_at_1 值: 32.93558333333333
- 类型: ndcg_at_10 值: 42.706583333333334
- 类型: ndcg_at_100 值: 47.82483333333333
- 类型: ndcg_at_1000 值: 49.95733333333334
- 类型: ndcg_at_3 值: 38.064750000000004
- 类型: ndcg_at_5 值: 40.18158333333333
- 类型: precision_at_1 值: 32.93558333333333
- 类型: precision_at_10 值: 7.459833333333334
- 类型: precision_at_100 值: 1.1830833333333335
- 类型: precision_at_1000 值: 0.15608333333333332
- 类型: precision_at_3 值: 17.5235
- 类型: precision_at_5 值: 12.349833333333333
- 类型: recall_at_1 值: 27.764166666666668
- 类型: recall_at_10 值: 54.31775
- 类型: recall_at_100 值: 76.74350000000001
- 类型: recall_at_1000 值: 91.45208333333332
- 类型: recall_at_3 值: 41.23425
- 类型: recall_at_5 值: 46.73983333333334
- 任务:
类型: 检索
数据集:
名称: MTEB ClimateFEVER
类型: climate-fever
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 12.969
- 类型: map_at_10 值: 21.584999999999997
- 类型: map_at_100 值: 23.3
- 类型: map_at_1000 值: 23.5
- 类型: map_at_3 值: 18.218999999999998
- 类型: map_at_5 值: 19.983
- 类型: mrr_at_1 值: 29.316
- 类型: mrr_at_10 值: 40.033
- 类型: mrr_at_100 值: 40.96
- 类型: mrr_at_1000 值: 41.001
- 类型: mrr_at_3 值: 37.123
- 类型: mrr_at_5 值: 38.757999999999996
- 类型: ndcg_at_1 值: 29.316
- 类型: ndcg_at_10 值: 29.858
- 类型: ndcg_at_100 值: 36.756
- 类型: ndcg_at_1000 值: 40.245999999999995
- 类型: ndcg_at_3 值: 24.822
- 类型: ndcg_at_5 值: 26.565
- 类型: precision_at_1 值: 29.316
- 类型: precision_at_10 值: 9.186
- 类型: precision_at_100 值: 1.6549999999999998
- 类型: precision_at_1000 值: 0.22999999999999998
- 类型: precision_at_3 值: 18.436
- 类型: precision_at_5 值: 13.876
- 类型: recall_at_1 值: 12.969
- 类型: recall_at_10 值: 35.142
- 类型: recall_at_100 值: 59.143
- 类型: recall_at_1000 值: 78.594
- 类型: recall_at_3 值: 22.604
- 类型: recall_at_5 值: 27.883000000000003
- 任务:
类型: 检索
数据集:
名称: MTEB DBPedia
类型: dbpedia-entity
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 8.527999999999999
- 类型: map_at_10 值: 17.974999999999998
- 类型: map_at_100 值: 25.665
- 类型: map_at_1000 值: 27.406000000000002
- 类型: map_at_3 值: 13.017999999999999
- 类型: map_at_5 值: 15.137
- 类型: mrr_at_1 值: 62.5
- 类型: mrr_at_10 值: 71.891
- 类型: mrr_at_100 值: 72.294
- 类型: mrr_at_1000 值: 72.296
- 类型: mrr_at_3 值: 69.958
- 类型: mrr_at_5 值: 71.121
- 类型: ndcg_at_1 值: 50.875
- 类型: ndcg_at_10 值: 38.36
- 类型: ndcg_at_100 值: 44.235
- 类型: ndcg_at_1000 值: 52.154
- 类型: ndcg_at_3 值: 43.008
- 类型: ndcg_at_5 值: 40.083999999999996
- 类型: precision_at_1 值: 62.5
- 类型: precision_at_10 值: 30.0
- 类型: precision_at_100 值: 10.038
- 类型: precision_at_1000 值: 2.0869999999999997
- 类型: precision_at_3 值: 46.833000000000006
- 类型: precision_at_5 值: 38.800000000000004
- 类型: recall_at_1 值: 8.527999999999999
- 类型: recall_at_10 值: 23.828
- 类型: recall_at_100 值: 52.322
- 类型: recall_at_1000 值: 77.143
- 类型: recall_at_3 值: 14.136000000000001
- 类型: recall_at_5 值: 17.761
- 任务:
类型: 分类
数据集:
名称: MTEB EmotionClassification
类型: mteb/emotion
配置: 默认
分割: 测试
修订: 4f58c6b202a23cf9a4da393831edf4f9183cad37
指标:
- 类型: 准确率 值: 51.51
- 类型: f1 值: 47.632159862049896
- 任务:
类型: 检索
数据集:
名称: MTEB FEVER
类型: fever
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 60.734
- 类型: map_at_10 值: 72.442
- 类型: map_at_100 值: 72.735
- 类型: map_at_1000 值: 72.75
- 类型: map_at_3 值: 70.41199999999999
- 类型: map_at_5 值: 71.80499999999999
- 类型: mrr_at_1 值: 65.212
- 类型: mrr_at_10 值: 76.613
- 类型: mrr_at_100 值: 76.79899999999999
- 类型: mrr_at_1000 值: 76.801
- 类型: mrr_at_3 值: 74.8
- 类型: mrr_at_5 值: 76.12400000000001
- 类型: ndcg_at_1 值: 65.212
- 类型: ndcg_at_10 值: 77.988
- 类型: ndcg_at_100 值: 79.167
- 类型: ndcg_at_1000 值: 79.452
- 类型: ndcg_at_3 值: 74.362
- 类型: ndcg_at_5 值: 76.666
- 类型: precision_at_1 值: 65.212
- 类型: precision_at_10 值: 10.003
- 类型: precision_at_100 值: 1.077
- 类型: precision_at_1000 值: 0.11199999999999999
- 类型: precision_at_3 值: 29.518
- 类型: precision_at_5 值: 19.016
- 类型: recall_at_1 值: 60.734
- 类型: recall_at_10 值: 90.824
- 类型: recall_at_100 值: 95.71600000000001
- 类型: recall_at_1000 值: 97.577
- 类型: recall_at_3 值: 81.243
- 类型: recall_at_5 值: 86.90299999999999
- 任务:
类型: 检索
数据集:
名称: MTEB FiQA2018
类型: fiqa
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 23.845
- 类型: map_at_10 值: 39.281
- 类型: map_at_100 值: 41.422
- 类型: map_at_1000 值: 41.593
- 类型: map_at_3 值: 34.467
- 类型: map_at_5 值: 37.017
- 类型: mrr_at_1 值: 47.531
- 类型: mrr_at_10 值: 56.204
- 类型: mrr_at_100 值: 56.928999999999995
- 类型: mrr_at_1000 值: 56.962999999999994
- 类型: mrr_at_3 值: 54.115
- 类型: mrr_at_5 值: 55.373000000000005
- 类型: ndcg_at_1 值: 47.531
- 类型: ndcg_at_10 值: 47.711999999999996
- 类型: ndcg_at_100 值: 54.510999999999996
- 类型: ndcg_at_1000 值: 57.103
- 类型: ndcg_at_3 值: 44.145
- 类型: ndcg_at_5 值: 45.032
- 类型: precision_at_1 值: 47.531
- 类型: precision_at_10 值: 13.194
- 类型: precision_at_100 值: 2.045
- 类型: precision_at_1000 值: 0.249
- 类型: precision_at_3 值: 29.424
- 类型: precision_at_5 值: 21.451
- 类型: recall_at_1 值: 23.845
- 类型: recall_at_10 值: 54.967
- 类型: recall_at_100 值: 79.11399999999999
- 类型: recall_at_1000 值: 94.56700000000001
- 类型: recall_at_3 值: 40.256
- 类型: recall_at_5 值: 46.215
- 任务:
类型: 检索
数据集:
名称: MTEB HotpotQA
类型: hotpotqa
配置: 默认
分割: 测试
修订: 无
指标:
- 类型: map_at_1 值: 37.819
- 类型: map_at_10 值: 60.889
- 类型: map_at_100 值: 61.717999999999996
- 类型: map_at_1000 值: 61.778
- 类型: map_at_3 值: 57.254000000000005
- 类型: map_at_5 值: 59.541
- 类型: mrr_at_1 值: 75.638
- 类型: mrr_at_10 值: 82.173
- 类型: mrr_at_100 值: 82.362
- 类型: mrr_at_1000 值: 82.37
- 类型: mrr_at_3 值: 81.089
- 类型: mrr_at_5 值: 81.827
- 类型: ndcg_at_1 值: 75.638
- 类型: ndcg_at_10 值: 69.317
- 类型: ndcg_at_100 值: 72.221
- 类型: ndcg_at_1000 值: 73.382
- 类型: ndcg_at_3 值: 64.14
- 类型: ndcg_at_5 值: 67.07600000000001
- 类型: precision_at_1 值: 75.638
- 类型: precision_at_10 值: 14.704999999999998
- 类型: precision_at_100 值: 1.698
- 类型: precision_at_1000 值: 0.185
- 类型: precision_at_3 值: 41.394999999999996
- 类型: precision_at_5 值: 27.162999999999997
- 类型: recall_at_1 值: 37.819
- 类型: recall_at_10 值: 73.52499999999999
- 类型:
- 任务:
类型: 分类
数据集:
名称: MTEB AmazonCounterfactualClassification (en)
类型: mteb/amazon_counterfactual
配置: en
分割: 测试
修订: e8379541af4e31359cca9fbcf4b00f2671dba205
指标:
Phi 2 GGUF
其他
Phi-2是微软开发的一个小型但强大的语言模型，具有27亿参数，专注于高效推理和高质量文本生成。
大型语言模型
支持多种语言
P
TheBloke
41.5M
205
Roberta Large
MIT
基于掩码语言建模目标预训练的大型英语语言模型，采用改进的BERT训练方法
大型语言模型
英语
R
FacebookAI
19.4M
212
Distilbert Base Uncased
Apache-2.0
DistilBERT是BERT基础模型的蒸馏版本，在保持相近性能的同时更轻量高效，适用于序列分类、标记分类等自然语言处理任务。
大型语言模型
英语
D
distilbert
11.1M
669
Llama 3.1 8B Instruct GGUF
Meta Llama 3.1 8B Instruct 是一个多语言大语言模型，针对多语言对话用例进行了优化，在常见的行业基准测试中表现优异。
大型语言模型
英语
L
modularai
9.7M
4
Xlm Roberta Base
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。
大型语言模型
支持多种语言
X
FacebookAI
9.6M
664
Roberta Base
MIT
基于Transformer架构的英语预训练模型，通过掩码语言建模目标在海量文本上训练，支持文本特征提取和下游任务微调
大型语言模型
英语
R
FacebookAI
9.3M
488
Opt 125m
其他
OPT是由Meta AI发布的开放预训练Transformer语言模型套件，参数量从1.25亿到1750亿，旨在对标GPT-3系列性能，同时促进大规模语言模型的开放研究。
大型语言模型
英语
O
facebook
6.3M
198
Llama 3.1 8B Instruct
Llama 3.1是Meta推出的多语言大语言模型系列，包含8B、70B和405B参数规模，支持8种语言和代码生成，优化了多语言对话场景。
大型语言模型
Transformers
Transformers 支持多种语言
L
meta-llama
5.7M
3,898
T5 Base
Apache-2.0
T5基础版是由Google开发的文本到文本转换Transformer模型，参数规模2.2亿，支持多语言NLP任务。
大型语言模型
支持多种语言
T
google-t5
5.4M
702
Xlm Roberta Large
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。
大型语言模型
支持多种语言
X
FacebookAI
5.3M
431
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
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
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:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。
简体中文