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

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

Компактная 15-миллионная модель Transformers для авторегрессионной генерации текста с архитектурной особенностью ALiBi.

Подходит для: эксперименты с генерацией текста · тестирование компактных языковых моделей · локальная генерация коротких текстов

Небольшая авторегрессионная модель DynamicAlibi для генерации текстовых продолжений по промпту.

Подходит для: генерация продолжения короткого текста · эксперименты с компактными языковыми моделями · тестирование генерации текста через Transformers

Компактная экспериментальная модель Transformers для авторегрессионной генерации текста и исследований архитектуры dynamic ALiBi.

Подходит для: генерация коротких текстовых продолжений · эксперименты с компактными языковыми моделями · сравнение позиционного кодирования ALiBi

Дообученная Mistral-7B модель извлекает библиографические метаданные из научных документов и возвращает их в формате JSON.

Подходит для: извлечение названий научных публикаций · извлечение авторов и их организаций из академических текстов · сбор названий журналов, издателей и годов публикации

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Производная модели rmaser/aloe-siglip2-base. ALOE SigLIP2 Base — визуальный энкодер ViT-B/16 с B-cos-объяснимостью для извлечения признаков и переноса знаний в задачи компьютерного зрения.

Подходит для: извлечение визуальных признаков для downstream-задач · классификация изображений с линейным классификатором · zero-shot классификация изображений с текстовым энкодером SigLIP2

Модель на базе CAMeLBERT распознаёт намерения и извлекает значения слотов из команд на египетском арабском.

Подходит для: извлечение даты и времени из команд установки будильника · классификация голосовых команд для ассистента · извлечение названий песен и исполнителей из музыкальных запросов