# 効率的なTransformer

エンドツーエンドAI生成楽曲を検出する先進モデルで、長時間オーディオ特徴の捕捉に特に優れています

GLiNER-BioMedはGLiNERフレームワークに基づく、生物医学分野向けに設計された効率的なオープンNERモデルスイートで、さまざまな種類の生物医学エンティティを認識できます。

GLiNER-BioMedはGLiNERフレームワークに基づく効率的なオープンバイオメディカル固有表現認識モデルスイートで、バイオメディカル分野向けに設計されており、さまざまなエンティティタイプを認識できます。

GLiNER-BioMedはGLiNERフレームワークに基づく専門的な効率的なオープンバイオメディカルNERモデルスイートで、バイオメディカルエンティティ認識タスクにおいて最先端のゼロショットおよび少数ショット性能を実現しています。

Janus-Proは、新しい自己回帰フレームワークで、マルチモーダルの理解と生成能力を統一しています。視覚エンコーディングパスを分離し、単一のTransformerアーキテクチャでマルチモーダルタスクを処理します。

Deepseek LLM 7B Baseは7Bパラメータ規模のベース大規模言語モデルで、AWQ量子化技術を用いて推論効率を最適化しています。

CED-TinyはViT-Transformerベースの簡易オーディオタグ付けモデルで、Audiosetで最先端の性能を実現しました。

CEDはViT-Transformerベースの簡易オーディオタグ付けモデルで、Audiosetで最先端の性能を実現しています。

LongT5はTransformerベースのテキスト対テキストモデルで、長シーケンス入力を処理するために特別に設計されており、最大16384トークンまでサポートします。

ELECTRAは、従来の生成型事前学習を判別型事前学習で置き換えることで、計算効率を大幅に向上させた効率的な自己教師あり言語表現学習手法です。

BigBirdはスパースアテンションに基づくTransformerモデルで、最大4096の長いシーケンスを処理でき、長文ドキュメントタスクに適しています。

GoogleのFNetアーキテクチャに基づき、SST-2感情分析データセットでファインチューニングされたテキスト分類モデル

このモデルはGLUE QQPデータセットでgoogle/fnet-baseをファインチューニングしたバージョンで、テキスト分類タスク、特にQuoraの質問ペアが重複しているかどうかの問題に特化しています。