基于BERT的多语言检测模型，支持200种语言的文本分类任务

M2-BERT-128是论文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》中提出的8000万参数检索模型检查点

这是一个基于日语文本预训练的LayoutLM模型，主要用于处理日语文档的令牌分类任务。

基于EnvironmentalBERT-base微调的生物多样性文本分类模型，专注于ESG/自然领域的生物多样性文本检测

这是一个80M参数的M2-BERT预训练模型，支持长达32768的序列长度，专为长上下文检索任务优化

GHisBERT是基于BERT架构的模型，专为历史德语数据从头训练而成，涵盖德语所有有文献记载的发展阶段。

基于BERT架构的命名实体识别模型，专门用于标注人名、机构名及美国地址信息

基于日语BERT改进的LUKE模型，专为日语命名实体识别任务优化

EconoBert是基于bert-base-uncased在经济学领域数据集上微调的模型，适用于经济学、政治学和金融学领域的NLP任务。

GeoLM是一个用于从句子中检测地名的语言模型，基于全球范围的OpenStreetMap、WikiData和Wikipedia数据预训练，并在GeoWebNews数据集上微调。

基于IndoBERT的SimCSE模型，用于生成印尼语句子的语义嵌入向量

基于indolem/indobert-base-uncased微调的印尼语文本分类模型，在评估集上准确率达79.54%

提供针对古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。

由Sber AI团队与莫斯科国立大学人工智能研究所MLSA实验室联合训练的俄语BERT模型，专注于科学文本处理

这是一个基于sentence-transformers的模型，能够将越南语地址句子和段落映射到768维的密集向量空间，主要用于地址标准化任务。

哪吒(NEZHA)是一个面向中文理解的神经语境化表征模型，基于Transformer架构，由华为诺亚方舟实验室开发。

这是一个基于BERT架构的中文预训练语言模型，支持文言文和现代汉语处理。

基于sentence-transformers的西班牙语BERT模型，用于生成句子和段落的768维向量表示

Legal-HeBERT 是一个面向希伯来语法律及立法领域的 BERT 模型，旨在推动希伯来语法律自然语言处理研究与工具开发。

AraBERTMo是基于谷歌BERT架构的阿拉伯语预训练语言模型，支持填充掩码任务。

基于RuBERT架构的俄语短文本情感分类模型，支持中性、积极和消极三种情感分类

基于韩语预训练的RoBERTa模型，适用于多种韩语自然语言处理任务。

基于BERT架构的阿拉伯语预训练语言模型，支持多种阿拉伯语NLP任务

MuRIL是谷歌开源的基于17种印度语言及其转写版本预训练的BERT模型，支持多语言表示。

基于日语维基百科数据集训练的BERT基础模型，适用于日语文本的掩码填充任务

预训练的阿拉伯语BERT中型语言模型，基于约82亿词的阿拉伯语文本资源训练

该模型是基于意大利语预训练模型bert-base-italian-xxl-uncased在特定数据集上微调的版本，适用于意大利语文本处理任务。

提供繁体中文的transformers模型及自然语言处理工具

基于KLUE BERT-base微调的韩语机器阅读理解模型，使用AIHub数据集训练

当前最先进的希伯来语语言模型，基于BERT架构

AraBERTMo是一个基于BERT架构的阿拉伯语预训练语言模型，支持填充掩码任务。

SloBERTa是一个专门针对斯洛文尼亚语优化的单语BERT类模型，基于Camembert架构开发。

该模型基于多语言BERT微调，专门用于检测德语中的仇恨言论，采用单语（英语）训练数据。

AraBERTMo是一个基于BERT架构的阿拉伯语预训练语言模型，支持填充掩码任务。

基于BigBird架构的中文预训练模型，支持4096长度的上下文处理

基于CAMeLBERT方言阿拉伯语模型微调的情感分析模型，支持阿拉伯语文本情感分类

基于BERT架构的阿拉伯语预训练语言模型，支持填充掩码任务

AraBERTMo是一个基于谷歌BERT架构的阿拉伯语预训练语言模型，支持填充-掩码任务。