# 多指標最適化

DeBERTa-v3-smallはマイクロソフトがリリースした軽量版DeBERTaモデルで、テキスト分類タスクに適しています。

BERTweet-baseをファインチューニングした感情分類モデルで、Twitter上のビットコイン関連の感情傾向を分析するために使用されます

GoogleのViTモデルを微調整した天気分類モデルで、画像分類タスクにおいて優れた性能を発揮し、精度は96.79%に達します。

Flaubert小型フランス語モデルをファインチューニングした銀行取引明細分類器

PETレポート所見部分の要約生成に特化したファインチューニング版PEGASUSモデルで、正確かつ個性的な全身PETレポート印象を生成可能。

wav2vec2-large-xlsr-53に基づく英語発音評価モデル、英語の発音品質を評価するために使用

facebook/wav2vec2-baseをファインチューニングした音声処理モデルで、評価データセットで優れた性能を発揮

Vision Transformerアーキテクチャに基づく天気画像分類モデルで、Kaggle天気データセットで微調整され、93.4%の精度を達成

これはAutoTrainで訓練された多クラス画像分類モデルで、組織病理学画像分類タスクに特化しています。

KcELECTRA-base-v2022をベースに微調整した韓国語感情分析モデルで、評価セットで良好な結果を得ました。

ViTアーキテクチャに基づく肺がんと大腸がんの多クラス画像分類モデルで、評価セットで99.94%の精度を達成

ViTアーキテクチャに基づいてファインチューニングされた『シンプソンズ』キャラクター分類モデル、精度95.3%

GoogleのViTモデルを未知のデータセットでファインチューニングした視覚分類モデルで、画像分類タスクに優れています

Swin Transformerアーキテクチャを微調整した脳腫瘍画像分類モデルで、評価セットでの精度は96.47%

microsoft/dit-baseを基に微調整した画像分類モデルで、画像フォルダデータセットで良好な性能を発揮

camembert-baseをファインチューニングしたフランス語キーワード抽出モデルで、フランス語テキストから重要な情報を識別するのに優れています

distil-slovakbertをベースに、一般依存関係のsk_snkデータセットで微調整したスロバキア語の品詞タグ付けモデル

T5-smallアーキテクチャに基づいて微調整されたドイツ語要約生成モデルで、mlsumドイツ語データセットで7エポック訓練し、Rouge1スコアが42.38です。

このモデルはBART-largeをファインチューニングした英語問題生成モデルで、与えられたテキストと回答から関連する問題を生成するために特別に設計されています。

これはフィンランド語の感情分析タスク向けにファインチューニングされたFinBERTモデルで、FinnSentimentデータセットを使用してトレーニングと評価が行われました。

このモデルはBioBERTをベースに微調整されたテキスト分類モデルで、医学テキスト分類タスクで優れた性能を発揮します。

MBARTアーキテクチャに基づくロシア語ニュース要約生成モデルで、Gazeta.ruのニュース記事に特化して最適化されています。

RoBERTa-baseアーキテクチャに基づいて微調整された命名エンティティ認識モデルで、Twitterテキストに特化して最適化されています。