# 英语NLP

这是chandar-lab/NeoBERT模型的静态量化版本，旨在减少模型存储空间和计算资源需求。

该模型经过自行量化处理，输出和嵌入张量量化为f16格式，其余张量量化为q5_k或q6_k格式，体积更小且性能与纯f16相当。

Falcon-H1是由TII开发的混合Transformers + Mamba架构的仅解码因果模型，专注于英语NLP任务，性能优异。

T0++是基于T5架构的自然语言处理模型，通过多任务提示训练实现零样本任务泛化能力，在多种NLP任务上超越GPT-3且体积更小。

OLMo 2 1B SFT是基于OLMo-2-0425-1B模型的监督微调版本，在Tulu 3数据集上训练，旨在实现多种任务的最先进性能。

Falcon-E-1B-Base 是由 TII 开发的一个高效 1.58 位语言模型，采用纯 Transformer 架构，专为边缘设备优化设计。

盆景是一个拥有5亿参数的小型三值权重语言模型，采用Llama架构和Mistral分词器，训练使用的标记数不到50亿。

基于distilbert-base-uncased微调的文本分类模型，F1分数为0.6147

Tülu 3 是领先的指令跟随模型家族，提供完全开源的数据、代码和训练方案作为现代技术的综合指南。3.1版本在强化学习阶段进行了改进，性能全面提升。

Stella 400M v5 是一个英语文本嵌入模型，在多个文本分类和检索任务上表现出色。

基于distilbert-base-uncased微调的情感分析模型，在评估集上准确率达到94%

基于DistilBERT的情感分析模型，在未知数据集上微调，准确率为56.16%

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

基于DistilBERT架构的轻量级文本分类模型，用于将英文新闻分类为国际、体育、商业和科技四大类别

Stella 400M 是一个中等规模的英语文本处理模型，专注于分类和信息检索任务。

一个采用混合量化技术的文本生成模型，输出和嵌入张量使用f16格式，其余张量采用q5_k或q6_k量化，体积小于标准q8_0量化格式且性能与纯f16版本持平。

这是一个基于T5-small模型微调的临床笔记摘要模型，主要用于生成临床笔记的摘要。

这是一个通过在线文本数据进行心理健康预测的微调大型语言模型。

基于GPT-2架构的英语情感文本生成模型，支持六种基础情感类别作为生成条件。

INSTRUCTOR 是一个基于 T5 架构的文本嵌入模型，专注于句子相似度计算和文本分类任务，支持英语语言处理。

这是一个基于BERT架构的生物医学领域预训练语言模型，适用于处理生物医学文本数据。

该模型是基于distilbert-base-uncased在becasv2数据集上微调的版本，主要用于文本分类任务。

基于distilbert-base-uncased模型在becasv2数据集上微调的版本，主要用于文本相关任务。

该模型是基于distilbert-base-uncased在becasv2数据集上微调的版本，主要用于文本生成任务。

基于distilbert-base-uncased在becasv2数据集上微调的文本分类模型

基于RoBERTa-base模型在SQuAD 2.0数据集上微调的问答模型，用于回答基于给定文本的问题

这是一个使用AutoTrain训练的多类别分类模型，用于MBTI人格类型分析

该模型是基于DistilBERT基础模型在IMDB数据集上微调的版本，主要用于文本情感分析任务。

基于distilroberta-base微调的模型，适用于特定NLP任务

基于distilroberta-base模型微调的版本，适用于文本相关任务

基于MobileBERT架构的问答模型，针对SQuAD v2数据集进行了微调

基于RoBERTa-base的英语抽取式问答模型，在SQuAD 2.0数据集上训练，支持FARM与Transformers框架转换

这是一个通过AutoNLP训练的二元分类模型，用于检测文本中的仇恨言论内容。

基于bert-base-uncased微调的推特情感分析模型，在评估集上取得100%验证准确率

基于BERT-base-uncased微调的推特情感分析模型，在50k数据上训练5轮，验证准确率达82.91%

该模型是基于DistilBERT基础模型在SST5数据集上微调的文本分类模型，准确率为50.45%。

该模型是基于bert-base-uncased在SST-2数据集上微调得到的文本分类模型，通过nn_pruning库进行了剪枝优化，保留了原模型51%的权重，准确率达到91.17%。

该模型是基于DistilBERT在未指定数据集上微调的版本，主要用于文本分类任务。

这是microsoft/MiniLM-L12-H384-uncased的6层精简版本，通过每隔一层保留结构实现轻量化

该模型是基于distilbert-base-uncased在SST2数据集上微调的版本，主要用于情感分析任务。