%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Gliner Biomed Bi Large V1.0
Apache-2.0
GLiNER-BioMedはGLiNERフレームワークに基づく、生物医学分野向けに設計された効率的なオープンNERモデルスイートで、さまざまな種類の生物医学エンティティを認識できます。
シーケンスラベリング 英語
G
Ihor
56
1
Gliner Biomed Base V1.0
Apache-2.0
GLiNER-生物医学版はGLiNERフレームワークを基に開発された専門的な生物医学固有表現認識モデルで、様々な生物医学エンティティタイプを識別できます。
シーケンスラベリング
PyTorch 英語
PyTorch 英語G
Ihor
61
2
Roberta Base Biomedical Clinical Es Ner
Apache-2.0
このモデルはBSC-LT/roberta-base-biomedical-clinical-esを基に、生物医学臨床スペイン語テキストにおける固有表現抽出(NER)タスク用にファインチューニングされたバージョンです。
シーケンスラベリング
Transformers
TransformersR
manucos
25
1
Llama2 MedTuned 7b
Apache-2.0
Llama2 7Bモデルを基に命令チューニングを行った生物医学分野専用モデル
大規模言語モデル Transformers
TransformersL
nlpie
444
11
Bert Base Cased Biomedical Ner
Apache-2.0
BERTアーキテクチャに基づく生物医学的命名エンティティ認識モデルで、生物医学分野のエンティティ認識タスク向けに設計されています。
シーケンスラベリング Transformers 英語
Transformers 英語B
Kushtrim
98
1
Biobert Base Cased V1.2 Bc2gm Ner
BioBERTをbc2gm_corpusデータセットでファインチューニングした生物医学命名エンティティ認識モデル
シーケンスラベリング Transformers
TransformersB
chintagunta85
26
3
Medbert
MIT
MedBERTは、生物医学命名体認識タスク向けに設計されたTransformerアーキテクチャに基づく事前学習言語モデルで、Bio_ClinicalBERTをベースに初期化され、複数の生物医学データセットで事前学習されています。
シーケンスラベリング Transformers 英語
Transformers 英語M
Charangan
17.31k
13
Bsc Bio Es
Apache-2.0
スペイン語の生物医学分野向けに設計された事前学習済み言語モデルで、臨床NLPタスクに適しています
大規模言語モデル Transformers スペイン語
Transformers スペイン語B
PlanTL-GOB-ES
162
5
Biobert Base Cased V1.2 Finetuned Ner CRAFT English
BioBERTに基づく名前付きエンティティ認識モデルで、CRAFT英語データセットで微調整されました。
シーケンスラベリング Transformers
TransformersB
StivenLancheros
41
1
Biobert Base Cased V1.2 Finetuned Ner
BioBERT v1.2をjnlpbaデータセットでファインチューニングした固有表現認識モデルで、生物医学テキスト処理に特化
シーケンスラベリング Transformers
TransformersB
sciarrilli
83
2
Biobert V1.1 Pubmed Finetuned Ner
BioBERTをNCBI疾病データセットで微調整した命名エンティティ認識モデル
シーケンスラベリング Transformers
TransformersB
fidukm34
197
1
Biobert Genetic Ner
Apache-2.0
このモデルはBioBERTアーキテクチャに基づき、生物医学分野の命名エンティティ認識タスクに対して微調整されており、特に遺伝学的カテゴリのエンティティ認識に特化しています。
シーケンスラベリング Transformers 英語
Transformers 英語B
alvaroalon2
3,269
22
Biobert Ncbi Disease Ner
Openrail
BioBERTを基に、NCBI疾病データセットで微調整された命名エンティティ認識モデルで、医学および生物学のテキスト中の疾病の言及を認識するために使用されます。
シーケンスラベリング 英語
B
ugaray96
40.53k
19
Roberta Base Biomedical Clinical Es Finetuned Ner CRAFT
Apache-2.0
このモデルはroberta-base-biomedical-clinical-esをCRAFT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、生物医学臨床テキストの固有表現認識に使用されます。
シーケンスラベリング Transformers
TransformersR
StivenLancheros
17
1
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
Transformers 複数言語対応L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98