# 高精度NLI

支持100种语言的自然语言推理模型，适用于多语言零样本分类任务

基于DeBERTa-v3-base的零样本文本分类模型，用于判断前提和假设之间的逻辑关系（蕴含、中性或矛盾）。

专为零样本分类任务优化的DeBERTa-v3大型模型，支持无需训练数据的文本分类

专为高效零样本分类设计的RoBERTa-large模型，使用商业友好数据训练，无需训练数据即可执行文本分类任务。

专为高效零样本分类设计的DeBERTa-v3-large模型，使用完全商业友好的合成数据和NLI数据集训练，支持GPU/CPU推理

基于DeBERTa-v3-large微调的文本蕴含模型，用于判断文本间的蕴含关系

支持100种语言的自然语言推理模型，适用于多语言零样本分类任务

支持丹麦语、挪威语和瑞典语的零样本分类自然语言推理模型

基于mDeBERTa-v3-base的多语言自然语言推理模型，支持100种语言的零样本分类

基于MultiNLI数据集训练的DeBERTa-v3-large模型，用于文本蕴含关系判断

基于DeBERTa-v3-large架构的自然语言推理模型，在SNLI和MultiNLI数据集上训练，用于判断句子对之间的关系。

基于MNLI数据集训练的Roberta-large模型，用于自然语言推理任务。

这是一个基于bert-base-uncased预训练模型并在MultiNLI数据集上微调的文本分类模型

该模型是基于Camembert-base在PAWS-X-fr数据集上微调的自然语言推理模型，专门用于法语文本的释义识别任务。

基于microsoft/deberta-v3-base训练的交叉编码器模型，用于自然语言推理任务，能够判断句子对之间的关系（矛盾、蕴含或中立）。

DeBERTa-v3 XL 是一个基于Transformer架构的大规模预训练语言模型，专门针对自然语言推理任务进行了微调。

基于MultiNLI、Fever-NLI和ANLI数据集训练的DeBERTa-v3模型，擅长零样本分类和自然语言推理任务

基于DeBERTa-v3-large微调的MNLI任务模型，在GLUE MNLI评估集上达到91.75%准确率

基于xlm-roberta-large-en-ru模型在MNLI数据集上微调的版本，支持英语和俄语的自然语言推理任务。

一款支持100种语言的多语言自然语言推理模型，适用于零样本分类任务