Theia — модель визуальных признаков для обучения роботов и переноса знаний от нескольких предобученных моделей компьютерного зрения.
Подходит для: извлечение визуальных признаков из изображений для обучения робота · подготовка представлений изображений для робототехнической политики · перенос визуальных знаний в задачи обучения роботов
Англоязычный авторегрессионный декодер Ettin на 394,7 млн параметров для генерации текста и исследований языковых моделей.
Подходит для: продолжение английского текста по затравке · генерация черновиков и коротких фрагментов текста · прототипирование приложений на основе генерации текста
Компактная модель DeiT-III классифицирует изображения и извлекает их визуальные признаки.
Подходит для: классификация изображений по категориям ImageNet · определение объектов и сцен на изображении · извлечение эмбеддингов изображений
Компактная англоязычная авторегрессионная модель Ettin на 32 млн параметров для генерации текста и быстрого прототипирования.
Подходит для: продолжение англоязычного текста · быстрое прототипирование генеративных приложений · эксперименты с компактными decoder-only моделями
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Модель IEETA/MultiClinNER-NL размечает клинические тексты на нидерландском языке, выделяя именованные сущности по токенам.
Подходит для: извлечение клинических сущностей из нидерландских медицинских записей · разметка токенов в клинических текстах · подготовка медицинских документов к последующему NLP-анализу
Англоязычная модель IEETA на базе PubMedBERT для распознавания клинических сущностей в медицинских текстах.
Подходит для: извлечение клинических сущностей из медицинских записей · разметка сущностей в медицинских публикациях · подготовка клинического текста для последующего анализа
Модель BrazilAI на основе XLM-RoBERTa извлекает пять типов клинических сущностей из медицинских текстов на португальском языке с переносом знаний из испанских корпусов.
Подходит для: выделение заболеваний и симптомов из клинических записей · извлечение лекарств, процедур и анатомических структур из медицинских текстов · структурирование списков проблем, лекарств и процедур в электронной карте