Зрительная модель Apple AIMv2 для извлечения признаков изображений в задачах компьютерного зрения и мультимодального понимания.
Подходит для: извлечение признаков изображений для последующей классификации · подготовка визуальных представлений для мультимодального поиска · использование признаков в системах понимания изображений
Зрительная модель Apple AIMv2 для извлечения признаков изображений и последующего решения задач визуального понимания.
Подходит для: извлечение признаков изображений для последующей классификации · поиск изображений по визуальному сходству · подготовка визуальных представлений для мультимодальных систем
Kiwen-27B — мультимодальная дообученная модель Qwen, настроенная на своевременное завершение рассуждений и выдачу ответов.
Подходит для: решение математических задач с развёрнутыми рассуждениями · получение финального ответа до исчерпания лимита генерации · диалоговые задачи с анализом изображений
Диалоговая языковая модель на базе Llama 3 для ответов на вопросы по космологии.
Подходит для: ответы на вопросы по космологии · объяснение понятий из космологии · поиск справочной информации в тематическом диалоге
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Модель строит эмбеддинги корейских временных выражений для поиска запросов с одинаковым временным значением в LMS.
Подходит для: поиск LMS-запросов с эквивалентными корейскими датами · сопоставление относительных временных выражений, например «неделю назад» и «7 дней назад» · ранжирование временных запросов по семантической близости
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Дообученная модель Llama 2 для генерации текста и извлечения контрастных временных знаний из статей The New York Times за 2000–2007 годы.
Подходит для: извлечение временных изменений из новостных статей · сравнение сведений о событиях в публикациях разных лет · генерация ответов по корпусу статей The New York Times
Дообученная LLaMA-модель для экспериментов по извлечению временных различий из новостных статей The New York Times за 1987–1995 годы.
Подходит для: генерация текста по историческим новостным материалам · исследование временных изменений в новостях · извлечение контрастных временных знаний из статей
Дообученная на основе BGE-M3 корейская модель эмбеддингов для поиска и различения относительных временных выражений в LMS.
Подходит для: Поиск учебных материалов по запросам с относительными датами · Различение «прошлая неделя» и «7 дней назад» · Поиск материалов за последние 7 дней отдельно от материалов 7 дней назад
Исследовательская донастройка BAAI/bge-m3 для поиска семантически эквивалентных корейских временных выражений в LMS.
Подходит для: поиск заданий по корейскому запросу с указанием периода · сопоставление вариантов записи одной временной фразы · поиск тестов за последние семь дней
Дообученная на базе BAAI/bge-m3 модель эмбеддингов для корейского поиска по запросам с относительными временными выражениями в LMS.
Подходит для: Поиск материалов LMS по запросу с указанием точной давности · Различение календарной недели и периода последних семи дней · Поиск по корейским запросам о прошедших и будущих сроках
Специализированная корейская модель эмбеддингов для точного поиска по временным выражениям и материалам LMS.
Подходит для: Поиск материалов LMS по корейским выражениям «неделю назад» и «за последние семь дней» · Различение запроса «прошлая неделя» и «семь дней назад» · Поиск по выражениям «прошлый месяц» и «30 дней назад»