# 高精度F1

xlm-roberta-baseをレシピ成分NERデータセットでファインチューニングしたモデルで、レシピ成分内の様々なラベルを識別します。

xlm - roberta - largeをベースに微調整された二元毒性分類器で、15言語のテキスト毒性検出をサポートします。

fasttextベースのテキスト分類器で、テキストを数学クラスまたはその他のクラスに分類するために使用され、LLM事前学習データ整理に適しています

ModernBERTをファインチューニングした質問応答モデルで、SQuADデータセットで優れた性能を発揮し、抽出型質問応答タスクに適しています。

このモデルはModernBERT-largeをファインチューニングしたLLMルーティング分類器で、複雑なクエリ（大規模言語モデル使用）と単純なクエリ（小規模言語モデル使用）を区別します。

これは機械生成テキストの二値分類モデルで、COLING 2025 GenAI検出タスクの単一言語サブタスクで第1位を獲得しました。

これはベトナム語の方言を分類するための音声分類モデルで、評価セットでのF1スコアは0.8217に達します。

SwinV2アーキテクチャに基づく画像方向補正モデルで、自動的に画像の方向を検出・修正します

このモデルはBERTアーキテクチャを最適化した潜在的なヘイトスピーチ検出器で、特に英語の潜在的なヘイトスピーチに対してトレーニングと最適化が行われています。

RoBERTa-largeをファインチューニングしたテキスト分類器で、ニュース記事が政府規制問題に関連しているかどうかを判断するために特別に設計されています。

BERTをベースにした金融規制分野のマルチラベル分類モデルで、反マネーロンダリング/反テロ資金供与などの規制テキストに最適化されています。

このモデルは英語音声から6つの基本感情（怒り、嫌悪、恐怖、幸福、悲しみ、驚き）を認識するために、RAVDESSデータセットで訓練されました。

microsoft/layoutlmv3-baseモデルをドキュメント画像分類タスクでファインチューニングしたバージョンで、評価セットでF1スコア0.8177を達成

DeBERTa-v3-baseをファインチューニングしたドイツ語ゼロショット分類モデルで、マルチラベル分類タスクに適しています

bert-base-casedを微調整した医療症状診断分類モデルで、症状の記述から22種類の可能な診断を予測

RuBERTをファインチューニングしたロシア語多クラス感情分類モデルで、中立、ポジティブ、ネガティブの3つの感情分類をサポートします。

これはRuBERT-tiny2をファインチューニングしたロシア語短文感情分類モデルで、中立、積極的、消極的の3つの感情分析をサポートします。

Librispeech-clean-100データセットで微調整された性別認識モデルで、テストセットでF1スコア0.9993を達成

Wojoodはアラビア語のネストされた固有表現認識(NER)のためのコーパスで、55万語例（現代標準アラビア語及び方言）を含みます。

sentence-transformers/all-MiniLM-L6-v2をファインチューニングしたソフトウェア要求分類モデルで、機能的要求(F)と非機能的要求(NF)を区別するために使用されます

InfoXLM-largeをファインチューニングしたドイツ語質問応答システムモデルで、GermanQuADとSQuADデータセットで学習

Bio_ClinicalBERTをファインチューニングした臨床テキスト処理モデルで、F1スコアで優れた性能を発揮

T5アーキテクチャに基づく中国語スペルチェックモデルで、SIGHAN2015テストセットで優れた性能を発揮し、中国語テキストの自動修正をサポートします。

PubMedBERTをファインチューニングした生物医学文献セクション分類モデルで、テキストが属する文献セクションタイプを識別するために使用されます

これは英語の品詞タグ付けタスク向けにファインチューニングされた多言語BERTモデルで、ペンシルベニア大学ツリーバンクで訓練され、F1スコアは96.69を達成しています。

XLM-EMOはXLM-Tモデルをファインチューニングした多言語感情分析モデルで、19言語をサポートし、特にソーシャルメディアテキストの感情予測に特化しています。

このモデルはfacebook/wav2vec2-xls-r-300mをファインチューニングして得られた音声処理モデルで、評価セットで高いF1値と精度を達成しました。

カタルーニャ語の固有表現認識モデルで、BERTaをファインチューニングしたもの

XLM-RoBERTa大規模モデルをファインチューニングしたペルシャ語QAシステムで、PersianQAデータセットで訓練され、ペルシャ語および多言語QAタスクをサポートします。

新しいデータセットに基づいて構築された大規模なアラビア語固有表現認識（NER）モデルで、9種類の異なるエンティティを認識可能

HebEMOは、現代ヘブライ語のユーザー生成コンテンツの感情極性を検出し、感情を抽出するためのツールです。独自の新型コロナウイルス関連のデータセットを基に訓練され、優れた性能を発揮します。

DistilBERTアーキテクチャに基づくスペルミス検出モデル、テキスト内のスペルミスを識別するために使用

microsoft/deberta-v3-baseを微調整したテキスト感情分類モデルで、未知のデータセットでトレーニングされ、評価F1スコアは0.4468

CamemBERT-baseをベースにしたフランス語の質問応答モデルで、FQuADデータセットで微調整され、フランス語の質問応答タスクに適しています。

このモデルはT5-baseアーキテクチャをツイッターの皮肉データセットでファインチューニングしたテキスト分類モデルで、テキスト内の皮肉を検出します。

Flairに組み込まれた英語高速品詞タグ付けモデルで、Ontonotesデータセットで訓練され、F1スコアは98.10を達成。

HebEMOは、極性を検出し感情を抽出するための現代ヘブライ語ツールで、新型コロナ関連データセットを基に訓練され、極性分類と感情識別タスクで優れた性能を発揮します。

HebEMOは、現代ヘブライ語のユーザー生成コンテンツ（UGC）の感情極性を検出し、感情を抽出するためのツールで、独自のCOVID-19関連データセットに基づいて訓練されています。

このモデルはroberta-base-biomedical-clinical-esをCRAFTデータセットでファインチューニングしたバージョンで、生物医学臨床テキストの固有表現認識に使用されます。

SpanBERTはFacebook Researchが開発した事前学習済み言語モデルで、TACREDデータセットでファインチューニングされ、関係抽出タスクに特化しています。