基于GLiNER的微调版本，专为新闻领域实体识别优化，在18个基准测试中零样本准确率最高提升7.5%

基于GLiNER的微调版本，专为新闻实体抽取优化，在18个基准测试中零样本准确率最高提升7.5%

这是一个基于xlm-roberta-base-finetuned-wolof预训练模型，在马萨卡纳NER数据集斯瓦希里语部分进行微调的命名实体识别模型。

基于xlm-roberta-base微调的命名实体识别模型，专门针对尼日利亚皮钦语优化

针对沃洛夫语进行命名实体识别(NER)任务的标记分类模型，基于xlm-roberta-base在MasakhaNER数据集（沃洛夫语部分）上微调而成

这是一个基于XLM-RoBERTa模型，在马萨卡NER数据集斯瓦希里语部分进行微调的命名实体识别模型。

该模型是在MasakhaNER数据集（斯瓦希里语部分）上微调的命名实体识别模型，适用于斯瓦希里语文本中的实体识别任务。

基于BERTimbau微调的葡萄牙语命名实体识别模型，专注于识别欺诈和腐败相关新闻中的实体

基于mBERT的多语言命名实体识别模型，支持10种高资源语言，能识别地点、组织和人名三类实体。