T5-3B — текстовая модель Google для машинного перевода и других NLP-задач в формате преобразования текста в текст.
Подходит для: перевод текста между поддерживаемыми языками · суммаризация документов · ответы на вопросы по тексту
Компактная дистиллированная модель BERT для понимания естественного языка и дообучения под конкретные задачи.
Подходит для: дообучение для классификации текстов · дообучение для анализа тональности · дообучение для распознавания сущностей
Предобученная байтовая модель Google на базе T5 для дообучения на задачах преобразования текста, в том числе на шумных многоязычных данных.
Подходит для: дообучение для ответов на вопросы по тексту · обработка шумных и ошибочных текстов · восстановление текста с опечатками
Предварительно обученная байтовая модель Google на архитектуре T5 для последующего дообучения на задачах преобразования текста, особенно устойчивых к шуму.
Подходит для: дообучение для ответов на вопросы по шумным текстам · обработка сообщений с опечатками и нестандартным написанием · исправление орфографических ошибок после дообучения
Англоязычный базовый чекпойнт T5 с архитектурой Deep-Narrow, предназначенный для дообучения под задачи обработки текста.
Подходит для: дообучение для суммаризации английских текстов · настройка для ответов на вопросы по английскому тексту · дообучение для классификации английских текстов
T5-11B — текстовая модель Google для перевода и других задач, представленных как преобразование текста в текст.
Подходит для: перевод текста между поддерживаемыми языками · суммаризация документов после настройки под задачу · ответы на вопросы по тексту после настройки под задачу
Инструкционно дообученная текстовая модель Google с энкодером и декодером по 2 млрд параметров для генерации текста, ответов на вопросы и суммаризации.
Подходит для: составление краткого пересказа текста или отчёта · ответы на вопросы по предоставленному тексту · создание черновиков писем и рекламных текстов
Мультимодальная encoder-decoder модель Google для генерации текста и понимания изображений с контекстом до 128 тысяч токенов.
Подходит для: ответы на вопросы по изображениям и документам · извлечение сведений из изображений документов · суммаризация длинных текстов
Предварительно обученная энкодер-декодерная модель Google для генерации, суммаризации и понимания английского текста.
Подходит для: суммаризация документов и отчётов · ответы на вопросы по тексту · генерация черновиков и творческих текстов
Мультимодальная encoder-decoder модель Google на 8 млрд параметров для генерации текста, ответов на вопросы и понимания изображений с контекстом до 128 тыс. токенов.
Подходит для: ответы на вопросы по изображениям и визуальным документам · извлечение сведений из сканов и документов · суммаризация текстов и длинного контекста
Белковая модель T5 для извлечения признаков из аминокислотных последовательностей и последующего дообучения на задачах биоинформатики.
Подходит для: извлечение эмбеддингов аминокислотной последовательности · предсказание вторичной структуры белка после дообучения · классификация белков по биофизическим свойствам
Многоязычная Seq2Seq-модель для дообучения на машинный перевод между 50 языками и другие задачи преобразования текста.
Подходит для: дообучение модели для перевода между поддерживаемыми языками · создание многоязычной системы машинного перевода · адаптация к преобразованию текста на нескольких языках
Компактная модель Google семейства T5, дополнительно обученная на языковом моделировании для адаптации к текстовым задачам и prompt tuning.
Подходит для: адаптация к генерации текста с помощью prompt tuning · дообучение для суммаризации документов · дообучение для ответов на вопросы по тексту
Многоязычная байтовая модель Google на архитектуре T5 для дообучения на задачах преобразования текста, особенно устойчивых к шуму и опечаткам.
Подходит для: дообучение для ответов на вопросы по тексту · обработка сообщений с опечатками и шумом · нормализация и исправление искажённого текста после дообучения
Предобученная байтовая модель Google семейства T5 для последующего дообучения на задачах преобразования текста, особенно устойчивого к шуму.
Подходит для: дообучение для ответов на вопросы по тексту · обработка опечаток и других искажений в тексте · преобразование текста для многоязычных приложений
Англоязычная предварительно обученная модель Google семейства T5 для последующего дообучения на задачах преобразования текста.
Подходит для: дообучение для суммаризации текстов · дообучение для ответов на вопросы · дообучение для классификации текста
FRIDA — дообученная на русско-английских данных модель эмбеддингов для семантического поиска и сравнения текстов.
Подходит для: семантический поиск по русскоязычным документам · поиск похожих предложений · сравнение смысловой близости запросов и текстов
Небольшая предобученная текстово-текстовая модель Google T5 1.1 для дообучения под задачи обработки английского языка.
Подходит для: дообучение для суммаризации текстов · создание системы ответов на вопросы · дообучение классификатора с текстовым выводом
Инструкционная версия T5 на 5,8 млрд параметров для выполнения разнообразных текстовых задач по запросу.
Подходит для: ответы на вопросы по текстовому запросу · решение задач на рассуждение и понимание текста · выполнение zero-shot-классификации текстов
Предварительно обученная encoder-decoder модель Google T5Gemma с кодировщиком и декодировщиком по 2 млрд параметров для генерации и преобразования английского текста.
Подходит для: суммаризация документов и статей · ответы на вопросы по тексту · генерация черновиков писем и маркетинговых материалов
Текстовая Bonsai 2 27B с головой MTP для ускорения генерации посредством спекулятивного декодирования в пропатченном llama.cpp.
Подходит для: ускоренная генерация текста на GPU через спекулятивное декодирование · диалоговая генерация с Bonsai 2 27B · снижение задержки вывода токенов в llama.cpp
Компактная модель T5-small для автоматического исправления грамматических ошибок в английском тексте.
Подходит для: исправление грамматики в английских предложениях · проверка грамматики черновиков и писем · редактирование английского текста перед публикацией
Текстовый энкодер T5Gemma 2 от Google, преобразованный для запуска в vLLM и предназначенный для кодирования текста, поиска и ранжирования.
Подходит для: получение векторных представлений текстов для поиска · семантический поиск по текстовой коллекции · ранжирование документов по запросу
Англоязычная модель Google на базе T5, дообученная для ответов на вопросы без предоставленного контекста.
Подходит для: ответы на англоязычные вопросы по общим знаниям · ответы на вопросы без поиска по внешним источникам · создание прототипа системы закрытого вопросно-ответного поиска