PP-DocLayout-L 是一个高精度的文档布局区域定位模型，基于 RT-DETR-L 架构，支持检测 23 种常见文档布局类别。

基于olmOCR-7B-0225-preview微调的版本，专注于完整提取文档中的所有信息，包括页眉页脚内容。

基于google/flan-t5-base微调的模型，专门用于将科学摘要精炼为简洁标题的抽象摘要生成任务。

基于Qwen 2.5 14B Instruct微调的引文意图分类模型，专门用于科学出版物中的引文意图分类。

CamemBERTav2是基于2750亿法语文本标记预训练的法语语言模型，采用DebertaV2架构，在多个法语NLP任务上表现优异。

LongCite-llama3.1-8b 是基于 Meta-Llama-3.1-8B 训练的模型，专注于长上下文问答并生成细粒度引用，支持最大 128K 标记的上下文窗口。

基于Qwen2架构的7B参数规模的大语言模型，专注于句子相似度计算和文本嵌入任务。

GTE-base-en-v1.5 是一个英文句子转换器模型，专注于句子相似度任务，在多个文本嵌入基准测试中表现优异。

SciRus-tiny 是一个用于获取俄语和英语科学文本嵌入向量的微型模型，基于 eLibrary 数据训练，采用对比学习技术。

该模型是一个基于Flan-T5-Large的命题分割模型，用于将文本内容分解为独立的命题单元。

这是一个基于LED架构的大型书籍摘要生成模型，专门用于处理长文档摘要任务，特别是书籍内容的摘要生成。

基于Long-T5架构的大规模摘要生成模型，专门针对书籍和长文档摘要任务进行优化

基于T5架构优化的长文本摘要生成模型，支持处理长达16384个token的输入，在书籍摘要任务上表现优异。

基于CamemBERT-base的法语问答模型，在FQuAD数据集上微调而成，适用于法语问答任务。

基于sentence-transformers的模型，能够将句子和段落映射到768维稠密向量空间，适用于聚类或语义搜索等任务。