# 多语言问答

Galactic-Qwen-14B-Exp2 是基于 Qwen 2.5 14B 架构设计的大语言模型，专注于增强推理能力，擅长上下文理解、逻辑推理和多步骤问题解决。

Serpens-Opus-14B-Exp是基于Qwen 2.5 14B架构设计的140亿参数模型，旨在增强推理能力，适用于通用推理和问答任务。

基于Lucie-7B微调的多语言因果语言模型，支持法语和英语，专注于指令跟随和文本生成任务。

Qwen 2.5 0.5B 是一款紧凑而强大的语言模型，基于Qwen/Qwen2.5-0.5B-Instruct微调，支持多种语言，性能接近Llama 3.2 1B模型。

基于unsloth/llama-3-8b-bnb-4bit微调的土耳其语-英语双语模型，使用Unsloth优化训练速度

基于bert-base-multilingual-cased在squad数据集上微调的问答模型

基于bert-base-multilingual-cased模型在xquad数据集上微调的多语言问答模型

基于mDeBERTa-v3-base的多语言问答模型，在SQuAD2.0数据集上进行了微调

基于bert-base-multilingual-cased在squad_v2数据集上微调的多语言问答模型

基于XLM-RoBERTa-large的多语言问答模型，在XQuAD数据集上训练，支持11种语言的抽取式问答任务。

基于Google BERT基础多语言模型，在11种语言的问答数据集上微调，支持跨语言问答任务

这是一个基于多语言BERT模型在斯坦福问答数据集(SQuADv1.1)上微调的问答模型，支持多种语言的阅读理解任务。

这是针对问答任务在SQuADv2数据集上微调的xlm-roberta-large模型

基于未知数据集从头开始训练的mbart模型，具体用途和特性需进一步补充

基于xlm-roberta-large模型在squad_v2数据集上微调的问答模型

基于XLM-Roberta预训练的多语言问答模型，支持英语、泰米尔语和印地语，针对印度语言问答场景优化

基于bert-base-multilingual-uncased的多语言问答模型，在XQuAD数据集上微调

该模型是基于谷歌mT5-base在TyDi QA数据集上微调的多语言问答模型，支持101种语言的问答任务。

这是一个基于XLM-RoBERTa架构的预训练模型，采用掩码语言建模目标训练，并在英语和俄语问答数据集上进行了微调。