PrunaAI提供的压缩版UniNER-7B-all模型，通过量化技术显著减少内存占用和能耗，同时保持较好的命名实体识别能力。

FRED-T5-large-instruct-v0.1 是一个基于 PyTorch 和 Transformers 的俄语文本自动编辑及问题解答模型，主要用于俄语文本的多种处理任务。

基于beomi/llama-2-ko-7b的韩语大语言模型，适用于问答任务

基于electra-small微调的命名实体识别模型，可识别地点、人名和组织机构三类实体

针对现代希伯来语的最先进多任务联合解析BERT模型，支持前缀分割、形态消歧、词典分析、句法解析和命名实体识别五大任务

基于BERT-base-cased模型在conll2003数据集上微调的命名实体识别模型

针对巴西葡萄牙语预训练的BERT模型，在多项NLP任务中表现优异

AfroLM是一个针对23种非洲语言优化的预训练语言模型，采用自主动学习框架，使用少量数据实现高性能

基于RoBERTa-base模型在MNLI数据集上微调的版本，适用于自然语言推理任务

基于bert-base-cased微调的命名实体识别(NER)模型

该模型是基于DistilBERT的轻量级模型，在玩具数据集上进行了命名实体识别（NER）任务的微调。

专为天文学和天体物理学设计的语言模型，由NASA/ADS团队开发，支持填充掩码、命名实体识别和文本分类任务。

基于DistilBERT的轻量级命名实体识别模型，在特定数据集上进行了微调

该模型是基于bert-base-cased在未知数据集上微调的版本，主要用于命名实体识别(NER)任务。

基于DistilBERT的轻量级命名实体识别模型，在conll2003数据集上微调

瑞典国家图书馆/KBLab发布的瑞典语BERT基础模型，基于多源文本训练

瑞典国家图书馆/KBLab发布的瑞典语BERT基础模型，基于多源文本训练

基于DistilBERT的轻量级命名实体识别模型，在conll2003数据集上微调

该模型是基于distilbert-base-uncased在conll2003数据集上微调的版本，用于标记分类任务。

基于DistilBERT的轻量级命名实体识别模型，在conll2003数据集上微调，具有高效的推理性能和较高的准确率。

BiodivBERT是一个基于BERT的领域特定模型，专为生物多样性文献设计。

基于DistilBERT-base-uncased模型微调的命名实体识别(NER)模型

该模型是基于DistilBERT的轻量级版本，在conll2003数据集上微调用于命名实体识别任务。

这是一个基于DistilBERT的轻量级模型，在CoNLL-2003命名实体识别(NER)任务上进行了微调。

该模型是基于hfl/chinese-bert-wwm-ext在conll2003数据集上微调的版本，用于标记分类任务。

基于DistilBERT架构的轻量级命名实体识别(NER)模型，经过特定任务微调

基于bert-base-cased在conll2003数据集上微调的命名实体识别模型

该模型是基于DistilBERT基础版本微调的命名实体识别(NER)模型，在未知数据集上训练，评估集F1分数达0.8545。

ViHealthBERT是面向越南语健康文本挖掘的预训练语言模型，在医疗健康领域提供强基线性能

该模型是基于distilbert-base-uncased在few_nerd数据集上微调的命名实体识别(NER)模型，在评估集上F1分数达到0.7621。

AfroXLMR-mini是通过对XLM-R-miniLM模型在17种非洲语言上进行掩码语言模型（MLM）适应训练而创建的，涵盖了非洲主要语系及3种高资源语言（阿拉伯语、法语和英语）。

针对17种非洲语言优化的XLM-R小型变体，通过词汇缩减和多语言自适应训练提升性能

基于DistilBERT的轻量级命名实体识别模型，在conll2003数据集上微调

基于DistilBERT-base-uncased模型在conll2003数据集上微调的命名实体识别模型，在NER任务上表现出色。

该模型是通过WECHSEL方法将roberta-base迁移至乌克兰语的版本，在多个乌克兰语NLP任务上表现优异。

基于MobileBERT架构微调的命名实体识别模型

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

基于DistilBERT的轻量级命名实体识别模型，在conll2003数据集上微调，适用于英文文本的实体标记任务。

基于BERT架构的拉脱维亚语预训练语言模型，适用于多种自然语言理解任务

该模型是基于distilbert-base-uncased在特定数据集上微调的版本，主要用于命名实体识别（NER）任务。