MatCha是一种专注于图表理解和数学推理的视觉语言模型，通过联合建模图表与语言数据增强处理能力

MatCha是一个增强视觉语言模型处理图表与语言数据能力的预训练模型，在图表问答任务上表现优异

MatCha是基于Pix2Struct架构的视觉语言模型，专门针对图表理解和数值推理任务进行优化，在图表问答任务中表现优异

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。

该模型是基于TAPAS架构的中型表格问答模型，在WikiTable Questions数据集上微调，适用于表格数据问答任务。

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。

TAPAS是基于BERT架构的表格问答模型，通过自监督方式在维基百科表格数据上预训练，支持对表格内容进行自然语言问答

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表格及关联文本上预训练，支持表格理解和问答任务。

TAPAS是基于Transformer架构的BERT类模型，专为处理表格数据及相关文本设计，通过自监督方式在维基百科表格数据上预训练。

基于Transformer架构的表格问答模型，通过自监督方式在英文维基百科表格及关联文本上预训练

TAPAS是基于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数据上预训练，支持弱监督表格解析。

TAPAS是一个针对表格问答任务优化的微型Transformer模型，通过中间预训练和多数据集链式微调实现表格理解能力

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。

基于BERT架构的表格理解模型，通过自监督方式在维基百科表格数据上预训练，支持表格问答和陈述验证任务

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是一个基于Transformer的表格问答模型，通过自监督学习在维基百科表格数据上预训练，并在WTQ等数据集上微调。

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。

TAPAS是基于Transformer架构的BERT类模型，专门用于处理表格数据及相关文本，通过自监督方式在海量英文维基百科表格及关联文本上预训练而成。

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BERT架构的表格问答模型，通过中间预训练增强数值推理能力，在SQA数据集上微调完成