# 零樣本學習

基於Transformers架構的零樣本分類模型，無需微調即可對文本進行分類

這是一個自動生成的transformers模型卡片，具體信息待補充。

這是一個發佈在Hub上的transformers模型，具體功能和詳細信息待補充。

這是一個已推送到Hub上的transformers模型，具體功能和用途待補充。

Nalgotic Dreams 是一個基於穩定擴散XL的文本生成圖像模型，專注於生成高質量的動漫風格圖像，特別是明亮、精細的插畫風格女孩形象。

應龍是一個用於時間序列預測的預訓練模型，在780億個時間點上進行了預訓練，為時間序列預測任務提供強大支持。

應龍是一款用於時間序列預測的基礎模型，預訓練於78B時間點，為時間序列預測任務提供強大支持。

Magma-8B是一個基於GGUF格式的圖像文本到文本轉換模型，適用於多模態任務處理。

GPT-2是由OpenAI開發的開源語言模型，基於Transformer架構，能夠生成連貫的文本。

Transformers 是一個由 Hugging Face 開發的開源庫，提供多種預訓練模型，用於自然語言處理任務。

基於xlm-roberta-large模型微調的多語言文本分類模型，支持英語和丹麥語，專注於政治議程和媒體內容的分類任務。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

該模型是一個基於transformers庫的模型，具體用途和功能需要進一步的信息來確定。

Falcon-H1是由TII開發的高效混合架構語言模型，結合Transformer與Mamba架構，支持多語言任務

OpenBioNER 是一款專為開放領域生物醫學命名實體識別（NER）定製的輕量級 BERT 模型，僅需目標實體類型的自然語言描述即可識別未見過的實體類型，無需重新訓練。

Zero-Mistral-24B是基於Mistral-Small-3.1-24B-Instruct-2503改進的純文本模型，主要適配俄語和英語，移除了原版的視覺功能，專注於文本生成任務。

XGLM-564M 是一個多語言自迴歸語言模型，包含5.64億參數，基於30種語言的平衡語料庫訓練，總計5000億子詞。

這是一個託管在Hugging Face Hub上的transformers模型，具體功能和用途需要進一步補充信息。

基於openai/clip-vit-large-patch14微調的特徵提取模型，優化了圖像和文本編碼器

GLM-4-32B-0414是由THUDM開發的大規模語言模型，具有320億參數，適用於多種文本生成任務。

基於Vision Transformer架構的視覺模型，採用SigLIP（Sigmoid Loss for Language-Image Pretraining）訓練方法，適用於圖像理解任務。

基於xlm-roberta-large微調的多語言文本分類模型，用於比較議程項目的次要主題代碼分類

PURE是首個採用多模態大型語言模型（MLLM）作為主幹網絡來解決低級視覺任務的框架。

這是Facebook SAM模型（sam-vit-base）的改進版本，專為CVAT中的圖像分割任務優化配置。

Quantum_STT 是一種先進的自動語音識別（ASR）和語音翻譯模型，基於大規模弱監督訓練，支持多種語言和任務。

Kok-Base 是一個多語言模型，支持英語、阿拉伯語和捷克語，適用於多種自然語言處理任務。

HiMTok是一個基於InternVL2_5-8B大型多模態模型微調的分層掩碼標記學習框架，專注於圖像分割任務。

通過MergeKit融合多個高質量模型的8B參數大語言模型，優化了推理、對話和創意生成能力

Granite Vision 3.2 2B 是 IBM 開發的一個視覺語言模型，專注於圖像文本轉文本任務。

YOLOE是一個高效、統一且開放的目標檢測與分割模型，支持文本、視覺輸入及無提示範式等多種提示機制，實現即時全能視覺感知。

Distill-Any-Depth是一種基於知識蒸餾算法訓練的SOTA單目深度估計模型，能夠高效準確地進行深度估計。

基於穩定擴散XL的動漫風格文本到圖像生成模型，專注於高質量動漫角色創作

字節跳動研究團隊發佈的72B參數規模的多模態基礎模型，專注於圖像文本轉文本任務

olmOCR-7B-0225-preview 是由 AllenAI 開發的一個基於 OCR 技術的圖像文本轉文本模型，旨在從圖像中提取和識別文本內容。

LLaVA-NeXT-Video-7B-hf 是一個基於視頻的多模態模型，能夠處理視頻和文本輸入，生成文本輸出。

Whisper large-v3-turbo 是 OpenAI 提出的自動語音識別和語音翻譯模型，基於大規模弱監督訓練，支持多種語言。

基於Qwen2.5架構的7B參數規模語言模型，通過TIES方法融合多個預訓練模型而成