# 自然语言推理

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ModernBERT-large模型，通过多任务微调优化的自然语言推理模型，在零样本分类和NLI任务上表现优异。

基于ModernBERT-large微调的自然语言推理模型，专门用于零样本分类任务

ModernBERT 是一个在多任务源的自然语言推理（NLI）任务上微调的模型，擅长零样本分类和长上下文推理。

这是 facebook/bart-large-mnli 模型的 OpenVINO 优化版本，用于零样本文本分类任务。

Zion_Alpha_Instruction_Tuned_SLERP 是一款基于希伯来语训练的创新型语言模型，在情感分析和自然语言推理等任务中表现卓越。

专为高效零样本分类设计的模型，支持多语言文本分类任务，无需训练数据即可执行分类

基于BAAI/bge-m3-retromae训练的多语言零样本文本分类模型，专为商业友好场景设计

这是一个基于google/switch-base-8在GLUE MNLI数据集上微调的文本分类模型，主要用于自然语言推理任务。

基于flan-t5-xxl微调的NLI模型，用于验证前提是否支持假设，特别优化多句前提场景

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

基于DeBERTa-v3-large架构的自然语言推理模型，适配Transformers.js的ONNX权重版

基于DeBERTa架构的自然语言推理(NLI)模型，适用于零样本分类任务，已转换为ONNX格式以兼容Transformers.js

基于DeBERTa-v3架构的自然语言推理模型，适配Transformers.js的ONNX权重版本

基于DeBERTa-v3的小型自然语言推理模型，适用于零样本分类任务

基于Camembert-base模型，在XNLI数据集的法语部分进行微调，支持法语零样本分类

该模型是基于intfloat/e5-base-v2在GLUE（MNLI）和ANLI数据集上微调的版本，适用于零样本分类和自然语言推理任务。

基于Flan-T5-xxl改造的序列分类模型，专为自然语言推理任务设计，参数量减半且支持零样本分类

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100多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

基于XLM-V-base的多语言自然语言推理模型，支持116种语言的零样本分类任务

基于DeBERTa-v3-base在600+任务上进行多任务学习微调的模型，擅长零样本分类和自然语言推理

基于NbAiLab/nb-bert-base微调的自然语言推理模型，支持丹麦语、挪威博克马尔语和瑞典语

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RoBERTa-base模型在MNLI数据集上微调的版本，适用于自然语言推理任务

mt0-xxl是BLOOMZ系列的多语言大模型，支持46种语言的跨语言任务处理，基于xP3数据集微调，擅长零样本跨语言指令执行

基于BERT的日语自然语言推理模型，在JSNLI数据集上微调，适用于零样本分类和文本分类任务。

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

这是一个基于BERT-tiny架构在GLUE RTE任务上微调的文本分类模型，主要用于文本蕴含识别任务。

基于DeBERTa-v3-large微调的NLI模型，在多个NLI数据集上达到最先进性能

该模型是基于bertin-roberta-base-spanish训练的零样本分类器，适用于西班牙语文本分类任务。

基于WANLI数据集微调的roberta-large模型，用于自然语言推理任务，在多个域外测试集上表现优于roberta-large-mnli。

基于BERTIN RoBERTa的西班牙语句子嵌入模型，专为自然语言推理任务优化

基于无大小写区分的DistilBERT模型，在多体裁自然语言推理(MNLI)数据集上微调，专为零样本分类任务优化

基于microsoft/deberta-v3-large架构的交叉编码器模型，用于自然语言推理任务，在SNLI和MultiNLI数据集上训练。

该模型是基于RuPERTa-base架构，在PAWS-X-es西班牙语数据集上微调的自然语言推理模型，专门用于识别句子对是否为复述关系。

SqueezeBERT 是 BERT 的轻量级版本，通过优化架构减少计算资源需求，同时保持较高的自然语言理解性能。

一个专为零样本和小样本文本分类训练的交叉注意力自然语言推理模型。

该模型是基于ALBERT-xlarge-v2在GLUE的WNLI任务上微调的文本分类模型

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%。