Openmed NER PathologyDetect PubMed V2 109M
Apache-2.0
专为疾病实体识别设计的Transformer模型，能够从NCBI数据集中精准识别疾病实体，为生物医学领域的研究和临床应用提供支持。
序列标注
Transformers 英语
Transformers 英语O
OpenMed
38.37k
3
Openmed NER AnatomyDetect PubMed 335M
Apache-2.0
专门用于解剖实体识别的模型，能够精准识别解剖结构和身体部位，为生物医学领域的应用提供有力支持。
序列标注 Transformers 英语
Transformers 英语O
OpenMed
38.36k
1
Modernpubmedbert
Apache-2.0
基于PubMed数据集训练的句子转换器模型，支持多种嵌入维度，适用于生物医学文本处理。
文本嵌入
M
lokeshch19
380
2
Yes
Apache-2.0
这是一个基于PubMedQA数据集微调的Llama3模型，专注于医学领域的问答任务。
大型语言模型 英语
Y
ThorBaller
22
1
Medcpt Cross Encoder
其他
MedCPT-Cross-Encoder是用于生物医学信息检索的序列分类模型，特别适用于对医学相关文章进行相关性排序。
文本嵌入 Transformers
TransformersM
ncbi
61.12k
18
All MiniLM L6 V2 Pubmed Full
基于sentence-transformers的句子嵌入模型，专门针对生物医学文献优化，可将文本映射到384维向量空间
文本嵌入
A
tavakolih
1,081
9
S PubMedBert MedQuAD
MIT
基于PubMedBert的句子转换器模型，用于生成句子和段落的768维向量表示，适用于聚类和语义搜索任务。
文本嵌入 Transformers
TransformersS
TimKond
151
6
Biobert V1.1 Pubmed Finetuned Ner
基于BioBERT在NCBI疾病数据集上微调的命名实体识别模型
序列标注 Transformers
TransformersB
fidukm34
197
1
S PubMedBert MS MARCO SCIFACT
基于PubMedBert优化的句子转换器模型，专为医学文献和科学事实核查任务设计
文本嵌入 Transformers
TransformersS
pritamdeka
1,050
5
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