基于ModernBERT-base-nli微调的问答模型，支持长上下文处理

ModernBERT 是一种现代化的双向仅编码器 Transformer 模型（BERT 风格），在 2 万亿英语和代码数据上进行了预训练，原生上下文长度高达 8,192 个标记。

E5-RoPE-基础版是基于旋转位置嵌入（RoPE）的嵌入模型，旨在支持长上下文检索任务。

EVA02是一个视觉Transformer模型，通过掩码图像建模在ImageNet-22k上预训练，适用于图像分类和特征提取任务。

EVA02特征/表示模型，通过掩码图像建模在ImageNet-22k上预训练，适用于图像分类和特征提取任务。

基于Librispeech 100小时语音数据微调的Wav2Vec2 Conformer模型，采用旋转位置嵌入技术

该模型整合了旋转位置嵌入技术，基于16kHz采样的语音音频，在960小时的LibriSpeech数据上进行了预训练和精细调优，适用于英语语音识别任务。

GPT-J 6B是基于Mesh Transformer JAX框架训练的60亿参数自回归语言模型，采用与GPT-2/3相同的分词器。