基于distilbert-base-uncased微调的文本分类模型，在AG News数据集上训练，准确率达89.06%

该模型旨在对新闻文章进行分类，帮助用户快速识别和整理新闻内容。

基于AutoTrain训练的文本分类模型，适用于小样本学习场景，能够高效地对新闻文章进行分类。

基于AutoTrain训练的小样本文本分类模型，适用于新闻文章分类任务

基于distilbert-base-uncased微调的新闻分类模型，专注于诉讼相关新闻的分类任务。

该模型是通过蒸馏技术从零样本分类流程获得的AG新闻分类模型，主要用于演示如何将昂贵的零样本模型蒸馏为更高效的学生模型。

基于sahajBERT微调的孟加拉语新闻文章分类模型，支持6个新闻类别分类

基于DistilBERT架构的轻量级文本分类模型，通过TextAttack框架在AG News数据集上微调，适用于新闻分类任务。

这是一个基于BERT-Mini架构微调的新闻分类模型，在ag_news数据集上实现了93%的测试准确率。

基于BERT基础模型在AG News数据集上微调的文本分类模型，准确率达93.75%

基于BERT的文本分类模型，在AG News数据集上微调，测试准确率达94.5%。

基于Transformer的波斯语理解模型，重构了词汇表并在新的波斯语语料库上进行了微调，为波斯语文本处理提供更多功能。