专为韩语处理任务设计的紧凑高效型Transformer模型，采用音节级分词策略

基于distilbert-base-uncased微调的亚马逊食品评论情感分析模型，可对评论进行负面(-1)、中性(0)、正面(1)三分类

该模型是基于DistilBERT在SQuAD v2数据集上微调的问答模型，适用于阅读理解任务。

这是一个基于ConGen框架的BERT-Tiny模型，用于将句子映射到128维向量空间，适用于语义搜索等任务。

该模型是基于DistilBERT在SQuAD v2数据集上微调的问答模型，适用于阅读理解任务。

SqueezeBERT 是 BERT 的轻量级版本，通过优化架构减少计算资源需求，同时保持较高的自然语言理解性能。

基于m-Distil-BERT的句子转换器模型，采用SimCSE方法训练，可将文本映射为768维向量，适用于语义搜索和聚类任务

基于bert-base-uncased微调的DistilBERT模型，主要用于文本分类任务

BERT-Medium 是谷歌发布的 BERT 模型的一个轻量级版本，具有较少的网络层和隐藏单元，适用于资源受限的环境。

面向波斯语的自监督语言表征学习轻量版BERT模型

BORT是BERT-large的高度压缩版本，通过神经架构搜索技术优化，推理速度提升高达10倍，性能优于部分未压缩模型。

DistilKoBERT是韩语BERT模型的轻量级版本，通过知识蒸馏技术压缩原始模型，保留了大部分性能同时减少计算资源需求。

DistilBERT是BERT基础模型的蒸馏版本，在保持相近性能的同时更轻量高效，适用于序列分类、标记分类等自然语言处理任务。

基于DistilBERT-base-uncased在SST-2情感分析数据集上微调的文本分类模型，准确率91.3%

这是distilbert-base-multilingual-cased的轻量版本，专注于英语和德语的双语处理，保持了原始模型的表征能力和准确率。