# 学術文献処理

PP-DocLayout-Lは高精度の文書レイアウト領域定位モデルで、RT-DETR-Lアーキテクチャに基づいており、23種類の一般的な文書レイアウトクラスの検出をサポートします。

olmOCR-7B-0225-previewをファインチューニングしたバージョンで、文書内の全ての情報（ヘッダー・フッター内容を含む）を完全に抽出することに特化しています。

google/flan-t5-baseを微調整したモデルで、科学的な要約を簡潔なタイトルに凝縮する抽象的な要約生成タスクに特化しています。

Qwen2-VL-7B-InstructをファインチューニングしたドキュメントOCRモデルで、多言語ドキュメント認識とメタデータ抽出をサポート

Qwen 2.5 14B Instructをファインチューニングした引用意図分類モデルで、科学出版物における引用意図分類に特化しています。

CamemBERTav2は2750億のフランス語テキストトークンで事前学習されたフランス語言語モデルで、DebertaV2アーキテクチャを採用し、複数のフランス語NLPタスクで優れた性能を発揮します。

LongCite-llama3.1-8bはMeta-Llama-3.1-8Bをベースに訓練されたモデルで、長文脈質問応答と細粒度な引用生成に特化し、最大128Kトークンのコンテキストウィンドウをサポートします。

Qwen2アーキテクチャに基づく7Bパラメータ規模の大規模言語モデルで、文類似度計算とテキスト埋め込みタスクに特化しています。

GTE-base-en-v1.5 は英語の文章変換モデルで、文章類似度タスクに特化しており、複数のテキスト埋め込みベンチマークで優れた性能を発揮します。

SciRus-tinyはロシア語と英語の科学テキスト埋め込みベクトルを取得するための小型モデルで、eLibraryデータでトレーニングされ、対照学習技術を採用しています。

このモデルはFlan-T5-Largeベースの命題分割モデルで、テキスト内容を独立した命題ユニットに分解します。

これはLEDアーキテクチャに基づく大型書籍要約生成モデルで、特に長文書要約タスクや書籍内容の要約生成に特化しています。

Long-T5アーキテクチャに基づく大規模要約生成モデルで、書籍や長文書の要約タスクに特化して最適化されています

T5アーキテクチャを最適化した長文要約生成モデルで、最大16384トークンの入力を処理可能。書籍要約タスクで優れた性能を発揮します。

sentence-transformersに基づくモデルで、文や段落を768次元の密ベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに適しています。

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。