Модель AISE-TUDelft на базе MPNet преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смысловой близости двух текстов · кластеризация похожих текстов

Компактная GPT-Neo-модель с 9,3 млн параметров для экспериментов и генерации короткого текста.

Подходит для: эксперименты с компактной авторегрессионной генерацией текста · генерация коротких историй в стиле TinyStories · изучение влияния активаций SiLU в небольшой GPT-подобной модели

MPNet-модель AISE-TUDelft создаёт 768-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации, в том числе текстов об устаревших Java API.

Подходит для: семантический поиск по описаниям устаревших Java API · сравнение сходства сообщений об устаревших Java-методах · кластеризация описаний Java-депрекаций

Модель на базе MPNet преобразует предложения и абзацы в векторы для оценки семантического сходства, поиска и кластеризации.

Подходит для: семантический поиск по коллекции текстов · сравнение смысловой близости предложений · кластеризация предложений и абзацев

Производная модели AISE-TUDelft/python-expand-classifier. Модель на базе MPNet преобразует предложения и абзацы в векторы для оценки семантического сходства, поиска и кластеризации.

Подходит для: семантический поиск по коллекции текстов · сравнение смысловой близости предложений · кластеризация предложений и абзацев

Производная модели AISE-TUDelft/java-deprecation-classifier. MPNet-модель AISE-TUDelft создаёт 768-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации, в том числе текстов об устаревших Java API.

Подходит для: семантический поиск по описаниям устаревших Java API · сравнение сходства сообщений об устаревших Java-методах · кластеризация описаний Java-депрекаций

Производная модели AISE-TUDelft/java-deprecation-classifier. MPNet-модель AISE-TUDelft создаёт 768-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации, в том числе текстов об устаревших Java API.

Подходит для: семантический поиск по описаниям устаревших Java API · сравнение сходства сообщений об устаревших Java-методах · кластеризация описаний Java-депрекаций

Производная модели AISE-TUDelft/python-expand-classifier. Модель на базе MPNet преобразует предложения и абзацы в векторы для оценки семантического сходства, поиска и кластеризации.

Подходит для: семантический поиск по коллекции текстов · сравнение смысловой близости предложений · кластеризация предложений и абзацев

Модель MPNet преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по документам и предложениям · поиск похожих фраз по смыслу · кластеризация текстов по тематике

Модель MPNet преобразует предложения и абзацы в векторы для семантического поиска, сравнения текстов и классификации описаний Java-кода по сходству.

Подходит для: семантический поиск по описаниям Java-кода · сопоставление описания кода с краткой сводкой · поиск семантически похожих предложений

Модель MPNet преобразует предложения и абзацы в 768-мерные эмбеддинги для сравнения смысловой близости, поиска и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смысловой близости текстов · кластеризация текстов по смыслу

Sentence-Transformers модель на основе MPNet преобразует предложения и абзацы в эмбеддинги для семантического поиска, сравнения текстов и кластеризации.

Подходит для: поиск семантически похожих документов · сравнение сходства двух предложений · кластеризация предложений по смыслу

Модель MPNet преобразует текст в векторы для семантического поиска, сравнения предложений и кластеризации.

Подходит для: поиск семантически похожих предложений · семантический поиск по коллекции текстов · кластеризация предложений и абзацев

Модель MPNet преобразует текст в эмбеддинги для семантического сравнения, поиска и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смыслового сходства текстов · кластеризация текстовых фрагментов

pytorch: формат, квантизация, runtime и память принадлежат одному artifact

Производная модели AISE-TUDelft/pharo-collaborators-classifier. Модель AISE-TUDelft на базе MPNet преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смысловой близости двух текстов · кластеризация похожих текстов

Дообученная GPTBigCode-модель на базе WizardCoder-1B для генерации кода по инструкциям с использованием структурированных рассуждений S-CoT.

Подходит для: генерация кода по заданию на естественном языке · создание функций для задач в стиле HumanEval и MBPP · эксперименты с подсказками Chain-of-Thought для программирования