ChronoBERT是一系列高性能时间一致性大语言模型，旨在消除前瞻性偏差和训练数据泄露，同时在时间敏感应用中保持良好的语言理解能力。

基于Roberta-large微调的命名实体识别模型，专用于可能包含OCR错误的历史报纸文本。

基于RoBERTa架构的西班牙语问答模型，在squad_es数据集上微调，适用于西班牙语阅读理解任务

基于xlm-roberta-base微调的土耳其语命名实体识别模型，用于识别土耳其文本中的人名、组织名和地名。

基于microsoft/mDeBERTa-v3-base微调的土耳其语命名实体识别模型，在土耳其语NER任务上表现出色。