Nuner BERT V1.0 GGUF
模型概述
基於BERT的基礎模型,主要用於令牌分類、實體識別和特徵提取等任務。提供了多種量化版本以適應不同需求。
模型特點
多種量化版本
提供了從Q2_K到Q8_0等多種量化版本,適應不同性能和精度需求。
高效推理
量化後的模型在保持較高精度的同時,顯著減少了計算資源需求。
易於部署
使用GGUF格式,便於在各種平臺上部署和使用。
模型能力
令牌分類
實體識別
特徵提取
使用案例
自然語言處理
命名實體識別
識別文本中的命名實體,如人名、地名、組織名等。
文本特徵提取
從文本中提取有意義的特徵,用於下游任務。
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98