# 弱監督學習

這是一個文本到音頻的定位模型，能夠預測音頻片段中特定聲音事件發生的概率。

WSPAlign是一個基於大規模弱監督跨度預測的詞對齊預訓練模型，支持多種語言間的詞對齊任務。

WSPAlign是一個基於大規模弱監督跨度預測的詞對齊預訓練模型，支持多種語言對的詞對齊任務。

本模型是在facebook/levit-192基礎上對未標註數據集進行微調的版本，展示了在精確率、召回率、F1值和準確率上的優秀表現。

該模型是TAPAS的小型版本，經過中間預訓練並在SQA數據集上微調，適用於對話場景下的表格問答任務。

AraRoBERTa是基於國家級別方言訓練的單一方言阿拉伯語模型，採用RoBERTa基礎配置。

該模型是TAPAS的小型版本，專門針對WikiTable Questions數據集進行微調，用於表格問答任務。

該模型是TAPAS的大型版本，經過順序問答(SQA)任務的微調，適用於表格相關的問答場景。

TAPAS迷你模型是經過中間預訓練並在SQA數據集上微調的表格問答模型，採用相對位置嵌入技術。

該模型是基於TAPAS架構的迷你版本，專門針對WikiTable Questions (WTQ)數據集進行微調，用於表格問答任務。

TAPAS是一種基於表格數據的問答模型，該微型版本在SQA數據集上微調，適用於對話場景下的表格問答任務。

TAPAS是一種基於Transformer的表格問答模型，通過自監督方式在維基百科英文表格數據上預訓練，並在WikiSQL數據集上監督微調。

基於BART的弱監督主題標籤生成模型，通過生成而非選擇方式解決主題標註任務

基於distilbart-cnn-12-6模型微調的文本摘要生成模型，在弱監督數據上訓練1000步

基於BioBERT微調的命名實體識別模型，專注於識別罕見疾病摘要中的流行病學信息。

TAPAS是一種基於表格的問答模型，通過預訓練和微調處理表格數據的對話式問答任務。

TAPAS是一種類似BERT的Transformer模型，專為表格問答任務設計，通過自監督方式在維基百科英文表格語料庫上進行預訓練，並在WikiSQL數據集上微調。