# 多言語理解

Qwen3-30B-A3B-Baseは通義千問シリーズ最新世代の30.5Bパラメータ規模の混合エキスパート（MoE）大規模言語モデルで、119言語と32kの文脈長をサポートします。

Transformersライブラリに基づく事前学習済みモデル、自然言語処理タスクに適応

Qwen2-1.5Bを基に構築された汎用テキスト埋め込みモデルで、多言語と長文処理をサポート

Yi-1.5はYiモデルのアップグレード版で、プログラミング、数学、推論、指示追従能力においてより優れたパフォーマンスを発揮し、卓越した言語理解、常識推論、読解力を維持しています。

Microsoftの多言語MiniLM v2モデルの再アップロード版、HuggingFace transformersライブラリ向けに使用体験を最適化

mMiniLMv2-L12-H384 はマイクロソフトがリリースした多言語 MiniLM v2 モデルのバージョンで、HuggingFace transformers ライブラリを通じてより便利な利用体験を提供します。

FLAN-T5はT5モデルの指示ファインチューニング版で、1000以上の多言語タスクで微調整され、同じパラメータ数でより優れた性能を発揮します。

mPLUG-Owlは多言語視覚言語モデルで、画像理解とマルチターン対話をサポートし、BLOOMZ-7Bアーキテクチャに基づいて開発されました。

LiLTとDocLayNetデータセットでファインチューニングされた行レベルドキュメント理解モデル、多言語ドキュメントレイアウト分析をサポート

CANINE-CはGoogleが開発した文字ベースの事前学習済みTransformerモデルで、長文シーケンスの質問応答タスクに特化しています。

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。

XLM - RoBERTa - largeは、RoBERTaアーキテクチャに基づく多言語事前学習言語モデルで、複数の言語の自然言語処理タスクをサポートします。

MiniLMは小型で効率的な事前学習言語モデルで、深層自己注意蒸留技術によりTransformerモデルを圧縮し、多言語理解と生成タスクをサポートします。

InfoXLMは、情報理論に基づく多言語事前学習フレームワークであり、多言語タスクにおける相互情報量を最大化することでモデルの性能を向上させることを目的としています。

InfoXLMは、情報理論に基づく多言語事前学習フレームワークであり、異なる言語間の相互情報量を最大化することで、多言語表現学習の効果を向上させることを目的としています。

XLM-Alignは94言語をサポートする事前学習済みの言語間モデルで、自己注釈付き単語アラインメントにより言語間事前学習モデルを改善します。

これはスペイン語に基づく事前学習モデルで、異言語自然言語推論タスクに特化して微調整されています。

XLM-RoBERTaは大規模な多言語文エンコーダで、100言語の2.5TBのデータを用いて学習され、多くの多言語ベンチマークテストで優れた性能を発揮します。

DistilBERTはBERTの軽量版で、BERTの97%の性能を維持しながら、サイズを40%削減し、速度を60%向上させています。

XLM-RoBERTaはRoBERTaアーキテクチャに基づく多言語事前学習モデルで、100言語をサポートし、言語間理解タスクで優れた性能を発揮します。

中国の少数民族言語向けの多言語事前学習モデルで、中国語および7つの少数民族言語をサポート

XLM - RoBERTaはRoBERTaアーキテクチャに基づく多言語事前学習モデルで、100種類の言語をサポートし、言語間理解タスクに適しています。

xlm - roberta - baseを微調整したベトナム語質問応答モデルで、UIT - Viquad_v2データセットで訓練されました。

mDeBERTaはDeBERTaの多言語バージョンで、ELECTRA方式の事前学習と勾配脱結合埋め込み共有技術を採用し、XNLIなどのクロスランゲージタスクで優れた性能を発揮します。

BERTはTransformerアーキテクチャに基づく事前学習言語モデルで、複数の言語の自然言語処理タスクを処理できます。

XLM - RoBERTaは、100言語の2.5TBのフィルタリングされたCommonCrawlデータを使って事前学習された多言語モデルで、マスク言語モデリングの目標で学習されています。

アラビア語に基づくゼロショット分類モデルで、自然言語推論タスクをサポートします。

bert - baseアーキテクチャに基づく三語モデルで、クロアチア語、スロベニア語、英語の性能に特化し、多言語BERTよりも優れた性能を発揮します。