# 対照学習

Bloomz-560m-dpo-chatモデルを基にしたデュアルエンコーダで、記事とクエリを同一のベクトル空間にマッピングし、フランス語と英語の多言語検索をサポートします。

これはsst2データセットで訓練されたSetFitモデルで、英文テキスト分類タスクに使用され、効率的な少数ショット学習技術で訓練されています。

MMLW（私はより良いニュースを得なければならない）はポーランド語のニューラルテキストエンコーダーで、情報検索タスクに最適化されており、クエリと段落を768次元ベクトルに変換できます。

WebLIデータセットで訓練されたSigLIP（言語-画像事前学習用Sigmoid損失）モデルで、ゼロショット画像分類タスクに適しています。

WRAPresentationsはツイート論点マイニング専用に設計された先進的な文変換モデルで、ツイートを「理由」「主張」「通知」「無意味」の4種類に分類可能です。

MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、意味検索や文類似度タスクに適しています

MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元のベクトル空間にマッピングし、意味検索やテキスト類似度タスクに適しています

miCSEは文類似度計算のために特別に設計された少数サンプル文埋め込みモデルで、注意パターンアライメントと正規化された自己注意分布を通じて効率的なサンプル学習を実現します。

MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングでき、意味検索やテキスト類似性タスクに適しています

これはMiniLMアーキテクチャに基づく文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

これはsentence-transformersベースの文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングでき、意味検索やクラスタリングタスクに適しています。

これはMPNetアーキテクチャに基づく文埋め込みモデルで、文や段落を768次元の密なベクトル空間にマッピングでき、意味検索やクラスタリングなどのタスクに適しています。

MiniLMアーキテクチャに基づく軽量な文埋め込みモデルで、テキストを384次元ベクトル空間にマッピングでき、意味検索やクラスタリングタスクに適しています

これはMPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングでき、意味検索や文類似度タスクに適しています。

平行言語ペアで訓練された対照学習モデルで、異なる言語の平行文ペアを通じてテキストを同じベクトル空間にマッピング

RoBERTa-largeベースの教師ありSimCSEモデルで、文埋め込みと特徴抽出タスクに使用されます。

シンプルな対照学習に基づく簡体字中国語文埋め込みエンコーディングモデルで、中国語RoBERTa WWM拡張版を事前学習モデルとして使用しています。

DeCLUTR-baseは、深層対照学習による教師なし訓練で高品質なテキスト表現を生成する汎用文エンコーダーモデルです。

Contriever事前学習モデルのファインチューニング版で、高密度情報検索タスク向けに最適化され、対照学習手法で訓練されています

The Sound Of AIオープンソース研究グループの音声からテキストへのモジュール用にファインチューニングされたFacebookのwav2vec2モデル