# 英文處理

Sam-reason-S2.1的靜態量化版本，提供多種量化選項以適應不同硬件需求

基於distilbert-base-uncased微調的情感分析模型，用於文本情感分類任務

這是一個基於distilbert-base-uncased微調的情感分析模型，在評估集上取得了93.2%的準確率。

Chonky是一款能夠智能地將文本分割成有意義的語義塊的Transformer模型，適用於RAG系統。

基於mergekit工具融合的8B參數語言模型，採用直通式(Passthrough)融合方法生成

T5 Small 是 Google 發佈的 T5（Text-To-Text Transfer Transformer）系列模型中的小型版本，適用於多種文本處理任務。

Qwen2-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互，適用於複雜的視覺語言任務。

這是對Minthy/ToriiGate-v0.4-7B模型進行的加權/重要性矩陣量化版本，提供多種量化選項以適應不同需求。

ToriiGate-v0.4-7B的靜態量化版本，適用於多模態、視覺、圖像文本到文本等任務

DeepSeek-R1-Distill-Llama-8B 是一個基於 Llama 架構的蒸餾版大語言模型，參數規模為 8B，主要用於英文文本生成和理解任務。

這是一個針對垃圾郵件檢測進行微調的BERT模型，驗證準確率約99%

這是一個基於T5-base的序列到序列模型，專門用於將複雜問題分解為多個子問題。

用於檢測飽和型越獄攻擊的小型BERT模型，不適用於獨立防禦其他類型的越獄攻擊。

T5（Text-to-Text Transfer Transformer）是谷歌開發的通用文本到文本轉換模型，能夠處理多種自然語言處理任務。

phi3 是一個基於 Apache-2.0 許可證的開源模型，支持英文語言，主要用於摘要生成任務。

基於distilbert-base-uncased微調的情感分析模型，在評估集上準確率達87.67%

該模型是基於DistilBERT在經濟學數據集上微調的零樣本分類模型，適用於經濟學相關文本的分類任務。

NegMPNet是基於all-mpnet-base-v2的否定感知版本，能夠將句子和段落映射到768維的密集向量空間，特別擅長處理否定語義。

一個用於簡歷摘要的模型，主要用於求職搜索領域。

該模型是基於microsoft/xtremedistil-l6-h384-uncased在squad數據集上微調的版本，主要用於問答任務。

基於SpanBERT/spanbert-base-cased微調的問答模型，適用於閱讀理解任務

基於roberta-base模型微調的問答模型，在SQuAD格式數據集上訓練

這是一個基於sentence-transformers的句子相似度模型，能夠將文本映射到384維向量空間，適用於聚類和語義搜索任務。

該模型是基於DistilBERT在SQuAD數據集上微調的問答模型，用於閱讀理解任務。

這是一個在SQuAD問答數據集上微調的BERT模型，用於問答任務。

該模型是基於distilbert-base-uncased在becasv3數據集上微調的版本，主要用於文本生成任務。

基於DistilBERT的問答模型，在SQuAD數據集上微調，用於提取式問答任務。

該模型是基於DistilBERT基礎模型在SQuAD v2數據集上微調的問答模型，適用於閱讀理解任務。

該模型是基於bert-base-uncased在SQuAD數據集上微調的問答模型

基於蒸餾BERT基礎版在問答數據集上微調的模型，適用於問答任務

基於DistilBERT基礎模型微調的版本，適用於文本分類任務

該模型是基於distilbert-base-uncased在未指定數據集上微調的版本，主要用於文本相關任務。

該模型是基於DistilBERT基礎模型在SQuAD問答數據集上微調的版本，適用於問答任務。

這是一個基於BERT架構的基礎模型，專門在SQuAD v2數據集上進行了訓練，適用於問答任務。

該模型是基於RoBERTa-base在SQuAD 2.0數據集上微調的問答模型，擅長處理閱讀理解任務。

基於bert-base-uncased在體育相關數據上微調的BERT模型

該模型是基於bert-base-uncased進行微調的版本，具體應用場景和訓練數據集信息暫未提供。

基於bert-base-cased微調的命名實體識別模型，在評估集上F1值達到0.6920

基於BERT基礎模型在文檔視覺問答(DocVQA)任務上微調的模型

基於distilbert-base-uncased模型微調的版本，具體任務未知