Mmlw Retrieval Roberta Large V2
MMLW是用于波兰语的神经文本编码器，针对信息检索任务进行了优化，能够将查询和段落转换为1024维向量。
文本嵌入 其他
M
sdadas
2,091
1
Stella Pl Retrieval
这是一个基于stella_en_1.5B_v5并针对波兰语信息检索任务进一步微调的文本编码器，专门优化波兰语信息检索任务。
文本嵌入
Transformers 其他
Transformers 其他S
sdadas
913
11
Mmlw Retrieval E5 Large
Apache-2.0
MMLW是面向波兰语的神经文本编码器，针对信息检索任务优化，可将查询和段落转换为1024维向量
文本嵌入 Transformers 其他
Transformers 其他M
sdadas
56
3
Mmlw Retrieval E5 Small
Apache-2.0
MMLW（我必须得到更好的消息）是波兰语的神经文本编码器，针对信息检索任务进行了优化，可将查询和段落转换为384维向量。
文本嵌入 Transformers 其他
Transformers 其他M
sdadas
34
1
Dense Encoder Msmarco Distilbert Word2vec256k
基于msmarco-word2vec256000-distilbert-base-uncased的句子编码器，使用word2vec初始化的256k词汇表，专为句子相似度任务设计
文本嵌入 Transformers
TransformersD
vocab-transformers
38
0
Dense Encoder Msmarco Distilbert Word2vec256k Emb Updated
基于DistilBERT架构的句子嵌入模型，使用256k词表和word2vec初始化，在MS MARCO数据集上训练，适用于句子相似度计算和语义搜索任务。
文本嵌入 Transformers
TransformersD
vocab-transformers
31
0
Dense Encoder Msmarco Distilbert Word2vec256k MLM 210k Emb Updated
基于word2vec初始化的256k词表规模DistilBERT模型，专为句子相似度和信息检索任务优化
文本嵌入 Transformers
TransformersD
vocab-transformers
23
0
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