基于ModernBERT-base架构的机器生成文本检测模型，用于防止语言模型崩溃

基于Transformer架构的大型俄语语素分割模型，可将俄语单词的每个字符分类为25种语素类别之一

基于BERTForSequenceClassification框架训练的transformers分类模型，专为网络与设备日志挖掘任务设计

缅甸语-伯特是一个基于bert-large-uncased的双语掩码语言模型，支持英语和缅甸语。

M2-BERT-8K是一个8000万参数的长上下文检索模型，基于论文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》提出的架构。

CuBERT是一个基于Python代码的上下文嵌入模型，专门用于处理源代码分析任务。

通用文本嵌入（GTE）模型的GGUF格式版本，适用于信息检索、语义文本相似度等任务。

基于WangchanBERTa微调的泰语情感分析模型，在评估集上达到74.15%的准确率

基于BETO（西班牙语版BERT）构建的情感分析模型，支持西班牙语文本的情感分类。

针对现代希伯来语的最先进BERT语言模型套件

这是一个针对土耳其语的基础版BERT模型，不区分大小写，主要用于填充掩码任务。

Erya4FT是基于Erya模型进一步微调的文言文翻译模型，专注于将文言文翻译为现代汉语。

基于BERT架构的零样本文本分类模型，采用显式训练策略在UTCD数据集上完成二元分类训练

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

LatinBERT 是一个基于 BERT 架构的拉丁语预训练语言模型

这是一个基于sentence-transformers的句子嵌入模型，可将文本映射到312维向量空间，适用于语义搜索和文本相似度计算等任务。

基于bert-base-multilingual-cased在squad数据集上微调的问答模型

基于公开可用的泰米尔语单语数据集训练的BERT模型，适用于泰米尔语自然语言处理任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维向量空间，用于句子相似度计算和语义搜索任务。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

该模型是在孟加拉语SQuAD数据集上对BanglaBERT进行微调的版本，用于问答任务

基于sberbank-ai/ruBert-base训练的俄语问答模型，适用于阅读理解任务

这是一个基于sentence-transformers的句子相似度模型，可将文本映射到384维向量空间，适用于语义搜索和聚类任务。

该模型为古代汉语提供分词功能，训练数据集涵盖汉语发展的四个历史时期。

本模型提供针对古代汉语的词性标注功能，训练数据集涵盖汉语发展的四个历史时期。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

基于BERT架构的语言模型，采用首字符预测作为预训练目标

基于BERT的中文命名实体识别模型，在人民日报数据集上达到接近最先进水平

基于BERT架构的佛教梵语掩码语言模型，专为处理佛教梵语文本设计

基于BERT-base的命名实体识别模型，可识别地点、组织、人名等四类实体

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于句子相似度计算、语义搜索等任务。

基于UD_Russian预训练的BERT模型，用于俄语的词性标注和依存句法分析

这是一个基于sentence-transformers的句子嵌入模型，可将文本映射到256维向量空间，适用于语义搜索和聚类任务。

一个专为文言文设计的命名实体识别工具，能够识别古文中的命名实体。

基于BERT架构的拼写纠正模型，用于检测和修正文本中的拼写错误。

一个基于BERT架构的古典诗词情感分类器，专门用于分析古文的情感倾向。

预训练的阿拉伯语BERT基础语言模型，支持现代标准阿拉伯语和部分方言

提供繁体中文的transformers模型及自然语言处理工具

基于DeepPavlov/rubert-base-cased-conversational架构，在RuSentiment数据集上训练的情感分析模型，可识别俄语文本中的中性、积极和消极情绪。

由中研院词库小组开发的繁体中文BERT模型，支持自然语言处理任务