Tessar是由SVECTOR开发的先进表格推理模型，基于突破性研究成果，不断拓展神经表格理解的边界。

BART Large CNN 是一个基于 BART 架构的预训练模型，专门用于文本摘要生成任务。

基于BART架构的文本摘要模型，适用于英语科学论文的摘要生成任务。

基于BART架构的大型摘要生成模型，专门针对医学文献摘要任务进行优化

基于kobart模型微调的韩语文本摘要模型，生成包含更多短句的摘要文本

基于BART架构微调的文本摘要模型，专为生成简洁准确的摘要而设计

基于BART架构的表格摘要生成模型，针对查询聚焦的表格摘要任务进行了优化。

MentalBART是基于facebook/bart-large微调的心理健康分析模型，属于MentaLLaMA项目的一部分，专注于可解释的心理健康分析。

基于AutoTrain平台训练的文本摘要生成模型，采用BART-Longformer架构

基于AraBART在阿拉伯语维基数据集上微调的翻译模型

该模型是在billsum数据集上对led-base-16384进行微调的版本，专门用于长文档摘要生成任务。

OmniTab是基于BART架构的表格问答模型，通过自然与合成数据预训练实现少样本表格问答能力

OmniTab是基于表格的问答模型，通过自然与合成数据预训练实现少样本表格问答能力。

基于BART-base架构，在SQuAD数据集上进行微调的问答模型，适用于少样本学习场景

基于BART-base架构，在SQuAD数据集上进行微调的问答模型，适用于阅读理解任务。

基于facebook/bart-base模型在SQuAD数据集上进行微调的版本，适用于问答任务

CGRE是一种基于BART的中文端到端关系抽取模型，采用生成式方法实现实体关系抽取，在多个中文关系抽取数据集上表现优异。

TAPEX是一种通过神经SQL执行器学习的表格预训练模型，专为表格问答任务设计。

TAPEX是一种通过神经SQL执行器学习实现表格预训练的模型，基于BART架构，专为表格推理任务设计。

TAPEX是一种通过神经SQL执行器学习的表格预训练模型，基于BART架构，专为表格推理任务设计。

TAPEX是一种通过神经SQL执行器学习实现表格预训练的模型，基于BART架构，专为表格推理任务设计。

TAPEX是一种通过神经SQL执行器学习的表格预训练模型，基于BART架构，专为表格推理任务设计。

基于mbart-large-50架构的新闻文章自动摘要模型，使用MLSUM法语新闻数据集微调

TAPEX是一种通过神经SQL执行器学习进行表格预训练的模型，专注于表格推理能力。

TAPEX是一种通过神经SQL执行器学习的表格预训练模型，能够处理表格推理任务。

基于BART-large架构的对话摘要模型，专门针对SAMSum对话数据集进行微调，能够生成高质量的对话摘要。

TAPEX是一种通过神经SQL执行器学习实现表格预训练的模型，基于BART架构，专为表格问答任务设计。

TAPEX是一种通过神经SQL执行器学习的表格预训练模型，基于BART架构，专为表格推理任务设计。

IndoBART-v2 是基于 BART 架构的印尼语语言模型，专为自然语言生成任务设计。

基于BART架构的文本净化模型，能够将有毒文本改写为中性表达

基于HuBERT和BART架构的语音处理模型，支持自动语音识别(ASR)任务

KeyBART是基于BART架构预训练的文本生成模型，专门用于生成符合CatSeqD格式的串联关键短语序列。