Вспомогательная модель NVIDIA для спекулятивного декодирования Kimi-K2.6, ускоряющая генерацию текста в чат-ботах, RAG и агентных приложениях.

Подходит для: ускорение генерации ответов чат-ботом · ускорение ответов на вопросы по документам в RAG-системе · ускорение генерации кода и выполнения инструкций

Вспомогательная модель NVIDIA для спекулятивного декодирования Kimi-K2.6, ускоряющая генерацию текста в чат-ботах, агентных системах и RAG-приложениях.

Подходит для: ускорение генерации ответов чат-бота на Kimi-K2.6 · снижение задержки генерации в агентной системе · ускорение ответов на вопросы по внутренним документам через RAG

Kite 6.3 — небольшая модель Qwen2 для генерации английского текста в экспериментах и лёгких сценариях.

Подходит для: эксперименты с компактными языковыми моделями · генерация коротких фрагментов английского текста · изучение обучения моделей на FineWeb-Edu

Дообученная модель mDeBERTa-v2 для присвоения меток токенам в текстовых последовательностях.

Подходит для: разметка токенов в текстовых последовательностях · классификация токенов по заданным категориям · извлечение сущностей при наличии подходящей схемы меток

Дообученная XLM-RoBERTa Large для классификации и разметки токенов в текстовых последовательностях.

Подходит для: разметка токенов в текстовых последовательностях · эксперименты с классификацией токенов на пользовательском датасете · оценка переноса XLM-RoBERTa на задачу разметки последовательностей

Дообученная XLM-RoBERTa Large для разметки токенов и задач классификации последовательностей.

Подходит для: разметка токенов в текстовых последовательностях · извлечение именованных сущностей при наличии подходящей схемы меток · назначение меток словам или фрагментам текста

Дообученная XLM-RoBERTa Large для классификации токенов в текстовых последовательностях.

Подходит для: присвоение меток токенам в тексте · разметка последовательностей для извлечения сущностей · эксперименты с классификацией токенов на собственных данных

Дообученная на базе mDeBERTa V3 модель для присвоения меток отдельным токенам текста.

Подходит для: разметка сущностей в тексте · присвоение категорий словам и фрагментам текста · извлечение терминов по заданной схеме меток

Дообученная XLM-RoBERTa large для классификации и разметки токенов в тексте.

Подходит для: разметка токенов в последовательностях текста · извлечение сущностей при наличии подходящей схемы меток · применение пользовательской токеновой разметки после проверки меток модели

Дообученная XLM-RoBERTa Large для классификации и разметки отдельных токенов в тексте.

Подходит для: разметка токенов в последовательностях текста · классификация слов и фрагментов текста по меткам

Дообученная XLM-RoBERTa Large для присвоения меток токенам в текстовой последовательности.

Подходит для: присвоение меток отдельным словам и токенам в тексте · извлечение сущностей или фрагментов по меткам, если они представлены в обучающих данных · разметка последовательностей текста по пользовательской схеме тегов

Дообученная XLM-RoBERTa для присвоения меток токенам в текстовой последовательности.

Подходит для: присвоение меток словам и токенам в тексте · разметка последовательностей по заданной схеме меток · эксперименты с классификацией токенов на пользовательских данных

Дообученная XLM-RoBERTa large для классификации и разметки токенов в тексте.

Подходит для: классификация токенов в тексте · разметка последовательностей токенов · эксперименты с XLM-RoBERTa для токенной классификации

Дообученная DeBERTa-v2 для классификации и разметки токенов в тексте.

Подходит для: разметка токенов по заданным классам · извлечение сущностей при наличии подходящей схемы меток · классификация фрагментов текста на уровне токенов

Дообученная DeBERTa V2 для классификации токенов в текстовых последовательностях.

Подходит для: разметка токенов по заданным классам · извлечение сущностей из текста · классификация частей текстовой последовательности

Дообученная DeBERTa V3 на 306 млн параметров для присвоения меток токенам в текстовых последовательностях.

Подходит для: классификация токенов в тексте · разметка последовательностей метками BIES · извлечение структурированных элементов из текста

Дообученная модель DeBERTa V2 для классификации токенов в текстовых последовательностях.

Подходит для: разметка токенов в текстовых последовательностях · классификация слов и фрагментов текста по меткам

Дообученная DeBERTa v2 для классификации токенов в последовательностях длиной до 512 токенов.

Подходит для: присвоение меток токенам в тексте · эксперименты с разметкой последовательностей · оценка качества классификатора токенов

Дообученная модель DeBERTa V3 для присвоения меток токенам в задаче классификации последовательностей.

Подходит для: разметка токенов по схеме BIES · извлечение сущностей или фрагментов текста с метками токенов

Дообученная XLM-RoBERTa large для присвоения меток токенам в тексте.

Подходит для: классификация токенов в тексте · разметка последовательностей текста · извлечение размеченных фрагментов текста