AI 模型广场

distilbert-base-uncased-mnli 是一款轻量级的零样本分类（Zero-shot Classification）模型。它基于 DistilBERT 蒸馏技术，在保留大部分 BERT 性能的同时显著降低了计算开销和推理延...

这是一个基于 mDeBERTa v3 架构的零样本分类（Zero-shot Classification）模型，专门针对 MNLI 和 XNLI 等自然语言推理数据集进行了微调。对于中国开发者而言，它的核心价值在于无需针对特定标签进行重新训...

这是一个基于 DeBERTa v3 架构并经过 MNLI、FEVER 和 ANLI 等多个自然语言推理数据集微调的零样本分类模型。与传统的监督学习分类不同，它允许用户在无需训练样本的情况下，直接通过定义标签名称来对文本进行分类。对于中国开发...

这是一个基于 DeBERTa v3 large 架构并经过多数据集（如 MNLI、FEVER 等）强化训练的零样本分类模型。它最大的特点是无需针对特定标签进行微调，就能直接对文本进行分类。对于开发者来说，它解决了小样本场景下标注成本高的问题...

DeBERTa v3 base zeroshot v2.0 是一款专注于“零样本分类”的轻量级模型。与传统的分类模型不同，它不需要针对特定标签进行训练，只要你给出类别名称，它就能通过语义理解将文本归类。对于中国开发者来说，它非常适合处理那些...

DeBERTa v3 large zeroshot v2.0 是一款基于增强型 DeBERTa 架构的零样本分类模型。它最大的特点是无需针对特定标签进行微调，即可直接对文本进行类别判定。对于开发者而言，它解决了标注数据匮乏的痛点，非常适合用...

bge-m3-zeroshot-v2.0 是一款基于 BGE-M3 增强的零样本分类模型。它最大的优势在于无需针对特定标签进行微调，即可直接对文本进行多标签或单标签分类。对于开发者而言，它解决了传统分类模型需要大量标注数据和重新训练的痛点，...

这是一个基于 MiniLM 架构的轻量级多语言零样本分类模型。它最大的特点是不需要针对特定标签进行训练，就能直接对文本进行类别判定。对于中国开发者来说，它非常适合在资源受限的端侧设备或需要快速验证分类逻辑的场景下使用。相比于调用庞大的 LL...

xlm-roberta-large-xnli 是一款强大的多语言零样本分类模型。它基于 XLM-RoBERTa 大模型，并在 XNLI 数据集上进行了微调，使其具备了极强的跨语言迁移能力。对于开发者而言，该模型最大的痛点在于无需为每个特定任...

distilbart-mnli-12-1 是一款轻量级的零样本分类（Zero-Shot Classification）模型。它基于 BART 架构并经过蒸馏优化，核心能力在于无需针对特定标签进行训练，即可直接对文本进行类别判定。对于开发者而...

这是一个基于 DeBERTa v3 架构的轻量化零样本分类模型。它最大的特点是无需针对特定标签进行微调，即可直接对文本进行分类。对于开发者而言，它解决了传统分类模型需要大量标注数据和重新训练的痛点，非常适合用于快速搭建原型、处理冷启动场景下...

bart-large-mnli 是一个基于 BART 架构并经过 MNLI（自然语言推理）数据集微调的预训练模型。它最大的特点是支持“零样本分类”（Zero-shot Classification），这意味着你无需为特定任务准备标注数据，只...

nli-deberta-v3-large 是一款基于 DeBERTa-v3 架构的高性能交叉编码器（Cross-Encoder），专门用于自然语言推理（NLI）和零样本分类。与常见的向量检索模型不同，它通过将文本对同时输入模型来判断逻辑关系...