# 對比學習

這是一個預訓練的後門注入模型，用於研究對比語言圖像預訓練中的後門樣本檢測。

一個在多語言WebLI數據集上訓練的SigLIP（語言圖像預訓練的Sigmoid損失）模型，支持多語言圖像分類任務。

一種用於檢測深度偽造圖像的視覺變換器模型，通過對比學習和全局-局部相似性分析實現高精度偽造檢測。

基於Bloomz-560m-dpo-chat模型的雙編碼器，用於將文章和查詢映射到同一向量空間，支持法語和英語的跨語言檢索。

日語版本的CLIP模型，能夠將日語文本和圖像映射到相同的嵌入空間，適用於零樣本圖像分類、文本-圖像檢索等任務。

這是一個在sst2數據集上訓練的SetFit模型，用於英文文本分類任務，採用高效的少樣本學習技術訓練。

MMLW（我必須得到更好的消息）是波蘭語的神經文本編碼器，針對信息檢索任務進行了優化，能夠將查詢和段落轉換為768維向量。

CLIPA-v2模型，一種高效的對比式圖文模型，專注於零樣本圖像分類任務。

一個在WebLI數據集上訓練的SigLIP（用於語言-圖像預訓練的Sigmoid損失）模型，適用於零樣本圖像分類任務。

一個在WebLI數據集上訓練的SigLIP（用於語言-圖像預訓練的Sigmoid損失）模型，適用於零樣本圖像分類任務。

WRAPresentations是一款先進的句子轉換器模型，專為推特論點挖掘設計，能將推文映射為'理由'、'陳述'、'通知'和'無意義'四種類別。

基於MPNet架構的句子嵌入模型，將文本映射到384維向量空間，適用於語義搜索和句子相似度任務

基於MPNet架構的句子嵌入模型，可將文本映射到768維向量空間，適用於語義搜索和文本相似度任務

ClipMD是基於OpenAI的CLIP模型開發的醫療圖文匹配模型，採用滑動窗口文本編碼器，專門用於醫療領域的圖像分類任務。

miCSE是一個專為句子相似度計算而設計的低樣本量句子嵌入模型，通過注意力模式對齊和正則化自注意力分佈實現高效的樣本學習。

X-CLIP是CLIP的極簡擴展，用於通用視頻語言理解，以對比方式在（視頻，文本）對上訓練，適用於零樣本、少樣本或全監督視頻分類以及視頻-文本檢索等任務。

X-CLIP是CLIP的擴展版本，用於通用視頻語言理解，支持視頻分類和視頻-文本檢索任務。

X-CLIP是CLIP的擴展版本，用於通用視頻語言理解，通過對比學習在視頻和文本對上訓練，支持零樣本、少樣本和全監督的視頻分類任務。

基於MPNet架構的句子嵌入模型，可將文本映射到768維向量空間，適用於語義搜索和文本相似度任務

這是一個基於sentence-transformers的句子嵌入模型，能將文本映射到768維向量空間，適用於語義搜索和聚類任務。

這是一個基於MiniLM架構的句子嵌入模型，能將文本映射到384維向量空間，適用於語義搜索和聚類任務。

這是一個基於sentence-transformers的句子嵌入模型，能將文本映射到384維向量空間，適用於語義搜索和聚類任務。

這是一個基於MPNet架構的句子嵌入模型，能將句子和段落映射到768維的密集向量空間，適用於語義搜索、聚類等任務。

基於MiniLM架構的輕量級句子嵌入模型，可將文本映射到384維向量空間，適用於語義搜索和聚類任務

SimeCSE_Vietnamese是基於SimCSE的越南語句嵌入模型，使用PhoBert作為預訓練語言模型，適用於無標註和有標註數據。

DeCLUTR-base是一個通用的句子編碼器模型，通過深度對比學習進行無監督訓練，用於生成高質量的文本表示。

基於Contriever預訓練模型的微調版本，專為密集信息檢索任務優化，採用對比學習方法訓練

為The Sound Of AI開源研究小組的語音轉文本模塊微調的Facebook wav2vec2模型

一種利用平行語言對訓練的對比學習模型，通過不同語言的平行句對將文本映射到相同向量空間

基於BERT架構的無監督對比學習模型，通過簡單有效的對比學習框架提升句子嵌入質量

基於簡單對比學習的簡體中文語句嵌入編碼模型，使用中文RoBERTa WWM擴展版作為預訓練模型。

DeCLUTR-small是一個基於深度對比學習的通用句子編碼器模型，用於生成高質量的句子嵌入表示。

這是一個基於MPNet架構的句子嵌入模型，能將文本映射到768維向量空間，適用於語義搜索和句子相似度任務。

基於RoBERTa-large的有監督SimCSE模型，用於句子嵌入和特徵提取任務。

CODER是一種知識增強型跨語言醫學術語嵌入模型，專注於醫學術語規範化任務。

CODER 是一個融合知識的跨語言醫學術語嵌入模型，用於醫學術語標準化。

CODER是一個基於知識注入的跨語言醫學術語嵌入模型，專注於醫學術語標準化任務。