# 弱教師あり学習

Whisperは事前学習済みの自動音声認識(ASR)および音声翻訳モデルで、68万時間の注釈付きデータで訓練されており、強力な汎化能力を持っています。

これはテキストから音声への位置特定モデルで、音声クリップ内の特定の音声イベント発生確率を予測できます。

WSPAlignは大規模な弱教師ありスパン予測に基づく単語アライメント事前学習モデルで、複数言語間の単語アライメントタスクをサポートします。

WSPAlignは大規模な弱教師ありスパン予測に基づく単語アライメント事前学習モデルで、複数の言語ペアの単語アライメントタスクをサポートします。

このモデルはfacebook/levit-192を基に、未ラベルデータセットでファインチューニングしたバージョンで、精度、再現率、F1値、正解率において優れた性能を示しています。

distilbart-cnn-12-6モデルを微調整したテキスト要約生成モデルで、弱教師ありデータで1000ステップ訓練

BARTベースの弱教師ありハッシュタグ生成モデル、生成アプローチでトピックラベリングタスクを解決

このモデルはTAPASの小型バージョンで、中間事前学習を経てSQAデータセットでファインチューニングされており、対話シナリオにおける表形式質問応答タスクに適しています。

TAPASは表形式データの対話型質問応答タスクを処理するために事前学習とファインチューニングを行った表ベースの質問応答モデルです。

TAPASは表形式データに基づく質問応答モデルで、この小型バージョンはSQAデータセットでファインチューニングされており、対話シナリオにおける表形式質問応答タスクに適しています。

このモデルはTAPASアーキテクチャのミニバージョンで、WikiTable Questions (WTQ)データセットに特化してファインチューニングされ、表質問応答タスクに使用されます。

TAPASミニモデルは中間事前学習を経てSQAデータセットでファインチューニングされた表質問応答モデルで、相対位置埋め込み技術を採用しています。