这是一个文本到音频的定位模型，能够预测音频片段中特定声音事件发生的概率。

WSPAlign是一个基于大规模弱监督跨度预测的词对齐预训练模型，支持多种语言间的词对齐任务。

WSPAlign是一个基于大规模弱监督跨度预测的词对齐预训练模型，支持多种语言对的词对齐任务。

本模型是在facebook/levit-192基础上对未标注数据集进行微调的版本，展示了在精确率、召回率、F1值和准确率上的优秀表现。

基于distilbart-cnn-12-6模型微调的文本摘要生成模型，在弱监督数据上训练1000步

TAPAS是一种基于Transformer的表格问答模型，通过自监督方式在维基百科英文表格数据上预训练，并在WikiSQL数据集上监督微调。

TAPAS迷你模型是经过中间预训练并在SQA数据集上微调的表格问答模型，采用相对位置嵌入技术。

该模型是TAPAS的大型版本，经过顺序问答(SQA)任务的微调，适用于表格相关的问答场景。

AraRoBERTa是基于国家级别方言训练的单一方言阿拉伯语模型，采用RoBERTa基础配置。

基于BioBERT微调的命名实体识别模型，专注于识别罕见疾病摘要中的流行病学信息。

该模型是基于TAPAS架构的迷你版本，专门针对WikiTable Questions (WTQ)数据集进行微调，用于表格问答任务。

该模型是TAPAS的小型版本，专门针对WikiTable Questions数据集进行微调，用于表格问答任务。

TAPAS是一种基于表格的问答模型，通过预训练和微调处理表格数据的对话式问答任务。

TAPAS是一种基于表格数据的问答模型，该微型版本在SQA数据集上微调，适用于对话场景下的表格问答任务。

TAPAS是一种类似BERT的Transformer模型，专为表格问答任务设计，通过自监督方式在维基百科英文表格语料库上进行预训练，并在WikiSQL数据集上微调。

该模型是TAPAS的小型版本，经过中间预训练并在SQA数据集上微调，适用于对话场景下的表格问答任务。

基于BART的弱监督主题标签生成模型，通过生成而非选择方式解决主题标注任务