# 多语言理解

Qwen3-30B-A3B-Base是通义千问系列最新一代30.5B参数规模的混合专家（MoE）大语言模型，支持119种语言和32k上下文长度。

基于Transformers库的预训练模型，适用于自然语言处理任务

基于Qwen2-1.5B构建的通用文本嵌入模型，支持多语言和长文本处理

Yi-1.5是Yi模型的升级版本，在编程、数学、推理和指令跟随能力方面表现更出色，同时保持卓越的语言理解、常识推理和阅读理解能力。

微软多语言MiniLM v2模型的重新上传版本，基于HuggingFace transformers库优化使用体验

mMiniLMv2-L12-H384 是微软发布的多语言 MiniLM v2 模型的一个版本，旨在通过 HuggingFace transformers 库提供更便捷的使用体验。

FLAN-T5是T5模型的指令微调版本，通过1000多项多语言任务微调，在相同参数量下性能更优。

mPLUG-Owl是一个多语言视觉语言模型，支持图像理解和多轮对话，基于BLOOMZ-7B架构开发。

基于LiLT和DocLayNet数据集微调的行级别文档理解模型，支持多语言文档布局分析

CANINE-C 是谷歌开发的基于字符的预训练Transformer模型，专门用于处理长文本序列的问答任务。

InfoXLM 是一个基于信息理论的跨语言预训练框架，旨在通过最大化不同语言之间的互信息来提升跨语言表示学习的效果。

面向中国少数民族语言的多语言预训练模型，支持中文及7种少数民族语言

XLM-RoBERTa是基于RoBERTa架构的多语言预训练模型，支持100种语言，在跨语言理解任务中表现优异。

DistilBERT是BERT的精简版本，保留了BERT 97%的性能，同时体积减小40%，速度提升60%。

基于xlm-roberta-base微调的越南语问答模型，在UIT-Viquad_v2数据集上训练

这是一个基于西班牙语的预训练模型，专门针对跨语言自然语言推理任务进行了微调。

mDeBERTa是DeBERTa的多语言版本，采用ELECTRA式预训练与梯度解耦嵌入共享技术，在XNLI等跨语言任务中表现优异

XLM-Align是一个支持94种语言的预训练跨语言模型，通过自标注词对齐改进预训练跨语言模型。

InfoXLM是一种基于信息论的跨语言预训练框架，旨在通过最大化跨语言任务中的互信息来提升模型性能。

MiniLM是一种小型高效的预训练语言模型，通过深度自注意力蒸馏技术压缩Transformer模型，支持多语言理解与生成任务。

基于XLM-RoBERTa大模型微调的波斯语问答系统，在PersianQA数据集上训练，支持波斯语和多语言问答任务。

XLM-RoBERTa是基于RoBERTa架构的多语言预训练模型，支持100种语言，适用于跨语言理解任务。

XLM-RoBERTa-large 是一个基于 RoBERTa 架构的多语言预训练语言模型，支持多种语言的自然语言处理任务。

XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。

基于阿拉伯语的零样本分类模型，支持自然语言推理任务

BERT是一种基于Transformer架构的预训练语言模型，能够处理多种语言的自然语言处理任务。