这是一个预训练的后门注入模型，用于研究对比语言图像预训练中的后门样本检测。

一个在多语言WebLI数据集上训练的SigLIP（语言图像预训练的Sigmoid损失）模型，支持多语言图像分类任务。

一种用于检测深度伪造图像的视觉变换器模型，通过对比学习和全局-局部相似性分析实现高精度伪造检测。

基于Bloomz-560m-dpo-chat模型的双编码器，用于将文章和查询映射到同一向量空间，支持法语和英语的跨语言检索。

日语版本的CLIP模型，能够将日语文本和图像映射到相同的嵌入空间，适用于零样本图像分类、文本-图像检索等任务。

这是一个在sst2数据集上训练的SetFit模型，用于英文文本分类任务，采用高效的少样本学习技术训练。

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，能够将查询和段落转换为768维向量。

CLIPA-v2模型，一种高效的对比式图文模型，专注于零样本图像分类任务。

一个在WebLI数据集上训练的SigLIP（用于语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

一个在WebLI数据集上训练的SigLIP（用于语言-图像预训练的Sigmoid损失）模型，适用于零样本图像分类任务。

WRAPresentations是一款先进的句子转换器模型，专为推特论点挖掘设计，能将推文映射为'理由'、'陈述'、'通知'和'无意义'四种类别。

基于MPNet架构的句子嵌入模型，将文本映射到384维向量空间，适用于语义搜索和句子相似度任务

基于MPNet架构的句子嵌入模型，可将文本映射到768维向量空间，适用于语义搜索和文本相似度任务

ClipMD是基于OpenAI的CLIP模型开发的医疗图文匹配模型，采用滑动窗口文本编码器，专门用于医疗领域的图像分类任务。

miCSE是一个专为句子相似度计算而设计的低样本量句子嵌入模型，通过注意力模式对齐和正则化自注意力分布实现高效的样本学习。

X-CLIP是CLIP的极简扩展，用于通用视频语言理解，以对比方式在（视频，文本）对上训练，适用于零样本、少样本或全监督视频分类以及视频-文本检索等任务。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，支持视频分类和视频-文本检索任务。

X-CLIP是CLIP的扩展版本，用于通用视频语言理解，通过对比学习在视频和文本对上训练，支持零样本、少样本和全监督的视频分类任务。

基于MPNet架构的句子嵌入模型，可将文本映射到768维向量空间，适用于语义搜索和文本相似度任务

这是一个基于sentence-transformers的句子嵌入模型，能将文本映射到768维向量空间，适用于语义搜索和聚类任务。

这是一个基于MiniLM架构的句子嵌入模型，能将文本映射到384维向量空间，适用于语义搜索和聚类任务。

这是一个基于sentence-transformers的句子嵌入模型，能将文本映射到384维向量空间，适用于语义搜索和聚类任务。

这是一个基于MPNet架构的句子嵌入模型，能将句子和段落映射到768维的密集向量空间，适用于语义搜索、聚类等任务。

基于MiniLM架构的轻量级句子嵌入模型，可将文本映射到384维向量空间，适用于语义搜索和聚类任务

为The Sound Of AI开源研究小组的语音转文本模块微调的Facebook wav2vec2模型

这是一个基于MPNet架构的句子嵌入模型，能将文本映射到768维向量空间，适用于语义搜索和句子相似度任务。

DeCLUTR-small是一个基于深度对比学习的通用句子编码器模型，用于生成高质量的句子嵌入表示。

SimeCSE_Vietnamese是基于SimCSE的越南语句嵌入模型，使用PhoBert作为预训练语言模型，适用于无标注和有标注数据。

基于BERT架构的无监督对比学习模型，通过简单有效的对比学习框架提升句子嵌入质量

基于简单对比学习的简体中文语句嵌入编码模型，使用中文RoBERTa WWM扩展版作为预训练模型。

DeCLUTR-base是一个通用的句子编码器模型，通过深度对比学习进行无监督训练，用于生成高质量的文本表示。

一种利用平行语言对训练的对比学习模型，通过不同语言的平行句对将文本映射到相同向量空间

基于RoBERTa-large的有监督SimCSE模型，用于句子嵌入和特征提取任务。

基于Contriever预训练模型的微调版本，专为密集信息检索任务优化，采用对比学习方法训练

CODER是一个基于知识注入的跨语言医学术语嵌入模型，专注于医学术语标准化任务。

CODER 是一个融合知识的跨语言医学术语嵌入模型，用于医学术语标准化。

CODER是一种知识增强型跨语言医学术语嵌入模型，专注于医学术语规范化任务。