Terjman-Nano-v2.0是基于Transformer架构的英语-摩洛哥方言翻译模型，参数规模77M，专为高质量精准翻译而优化。

Spec-Vision-V1是一款轻量级、最先进的开源多模态模型，专为深度整合视觉与文本数据而构建，支持128K的上下文长度。

基于microsoft/Multilingual-MiniLM-L12-H384微调的文本分类模型，用于将邮件主题分类为垃圾邮件(SPAM)或非垃圾邮件(NOSPAM)。

基于Segformer架构的轻量级语义分割模型，预训练于Cityscapes数据集

Sapiens 是一个基于 3 亿张 1024 x 1024 分辨率人类图像预训练的视觉变换器家族，用于深度估计任务。

采用3层Transformer架构的顶尖句子分割技术，支持多语言文本分割。

MeshGPT是基于自编码器和Transformer的文本生成3D模型，全球首个公开的3D模型分词器。

Octo小型版是一个用于机器人控制的扩散策略模型，采用Transformer架构，能够根据视觉输入和语言指令预测机器人动作。

基于sentence-transformers的句子嵌入模型，可将文本映射到384维向量空间，适用于语义搜索和文本相似度计算

这是一个基于DistilCamemBERT的法语句子嵌入模型，能够将句子或段落编码为768维向量，用于句子相似度计算等任务。

Simple Stories是一个基于TinyStories数据集训练的小型文本生成模型系列，专注于生成儿童故事。

Octo小型版是一个基于扩散策略训练的机器人控制模型，能够预测未来4步的7维动作，适用于多源机器人数据集。

CED是基于ViT-Transformer的简易音频标记模型，在Audioset上实现了最先进的性能表现。

基于Transformer架构的轻量级预训练模型，专为越南喃字与拉丁文字双向翻译设计

基于MobileViTv2架构的语义分割模型，在PASCAL VOC数据集上预训练，支持512x512分辨率图像处理

SegFormer是一种基于Transformer的高效语义分割模型，b0版本是其轻量级实现。

该模型是基于wav2vec2-base-ft-keyword-spotting在superb数据集上微调的版本，用于音频分类任务，经过量化和结构化剪枝优化。

基于视觉Transformer（ViT）的图像特征模型，采用自监督DINO方法训练，适用于图像分类和特征提取任务。

基于Transformer的轻量级预训练编码器-解码器模型，专为越南语新闻摘要设计

基于Transformer编码器-解码器架构的越南语最先进轻量级预训练模型，专注于文本摘要任务。

NAT-Mini 是基于邻域注意力机制的轻量级视觉Transformer模型，专为ImageNet图像分类任务设计

T5-small是基于编码器-解码器架构的预训练模型，通过统一文本到文本格式处理多种任务，支持多语言处理。

LeViT-128S是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快推理。

LeViT-384是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快的推理速度。

通过同态投影蒸馏压缩语义检索的句子表示模型，仅含2300万参数，模型大小87MB

基于google/fnet-base在GLUE COLA数据集上微调的文本分类模型，用于评估FNet与BERT架构的性能对比

XtremeDistilTransformers是一种经过蒸馏的任务无关Transformer模型，通过任务迁移学习小型通用模型，可应用于任意任务和语言。

DeiT是一种更高效训练的Vision Transformer模型，在ImageNet-1k数据集上以224x224分辨率预训练和微调，适用于图像分类任务。

XtremeDistilTransformers是一种经过知识蒸馏的轻量级Transformer模型，具有任务无关性，可应用于多种自然语言处理任务。

DeiT是一种高效训练的视觉Transformer模型，在ImageNet-1k数据集上预训练和微调，适用于图像分类任务。

MiniLM是一种小型高效的预训练语言模型，通过深度自注意力蒸馏技术压缩而成，适用于语言理解与生成任务。

MiniLM是一种小型高效的预训练语言模型，通过深度自注意力蒸馏技术压缩Transformer模型，支持多语言理解与生成任务。

这是一个基于sentence-transformers的句子嵌入模型，能够将句子映射到768维向量空间，适用于语义相似度计算和文本聚类等任务。

XtremeDistilTransformers是一个经过蒸馏的任务无关型Transformer模型，利用任务迁移学习技术训练小型通用模型，适用于多种任务和语言。

这是一个基于ALBERT-small架构的句子转换器模型，能够将句子和段落映射到768维的向量空间，适用于句子相似度计算和语义搜索等任务。

这是一个多语言句子嵌入模型，可将文本映射至384维向量空间，适用于语义搜索和聚类任务。

这是distilbert-base-multilingual-cased的精简版本，专门支持英语和乌尔都语，保持原始模型的表征能力。

这是distilbert-base-multilingual-cased的精简版本，支持英语、西班牙语和意大利语处理，保持原始模型的准确度。

DistilRoBERTa是RoBERTa-base模型的蒸馏版本，参数更少但速度更快，适用于英语文本处理任务。

DistilBERT是BERT基础模型的蒸馏版本，体积更小、速度更快，保留了97%的BERT性能。