GLiNER-BioMed是基于GLiNER框架的高效开放生物医学命名实体识别模型套件，专为生物医学领域设计，能够识别多种实体类型。

基于ONNX格式的轻量级零样本目标检测模型，兼容Transformers.js，适用于浏览器端部署。

MobileCLIP S2 是一个轻量级的视觉-语言模型，专注于图像特征提取和零样本图像分类任务。

MobileCLIP S0 是苹果 ml-mobileclip 项目的 ONNX 适配版本，专为移动设备优化的零样本图像分类模型。

OWL-ViT是一个基于视觉Transformer的零样本目标检测模型，能够在不进行微调的情况下检测新类别的物体。

基于bert-base-uncased模型微调的分类模型，在特定任务上达到91.13%的准确率

基于Google Vision Transformer微调的多标签图像分类模型，专门用于识别动画剧集《飞出个未来》截图中的内容。

这是一个基于零样本分类技术的模型，能够在不进行特定训练的情况下对文本进行分类。