Openai
$2.8
入力トークン/百万
$11.2
出力トークン/百万
1k
コンテキスト長
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
Baidu
128
$6
$24
256
$4
$16
Bytedance
$1.2
$3.6
4
mfeb
ALBERT XXLargeアーキテクチャに基づく问答モデルで、SQuAD V2データセットに対して微調整されています。
google
bigbird - roberta - baseに基づく微調整モデルで、trivia问答タスクに特化して最適化され、長シーケンス処理をサポートします。
madlag
これはnn_pruningライブラリを使って剪定最適化された问答モデルで、元の重みの50%を保持し、SQuAD v1で微調整され、F1値は88.72に達します。
andi611
BERT-largeアーキテクチャに基づくモデルで、SQuAD 2.0とCoNLL-2003データセットで微調整され、问答と命名エンティティ認識タスクをサポートします。
valhalla
これは、问答タスクに対してSQuADv1データセットで微調整されたBART-LARGEモデルで、自然言語理解と生成タスクに適しています。
DistilBERTベースの问答と命名エンティティ認識のマルチタスクモデルで、conll2003データセットで微調整されています。
これは剪定により最適化されたBERTの问答モデルで、元のモデルの38.1%の重みを保持し、SQuAD1.1データセットで微調整され、英語の问答タスクをサポートします。
T5-small-ssm-nqはT5アーキテクチャに基づく小型の闭卷问答モデルで、C4、ウィキペディア、自然な質問（NQ）データセットで事前学習と微調整が行われています。
elgeish
スタンフォードCS224nコースの学生向けに提供される、SQuAD2.0の问答タスクのベンチマークテストに使用するALBERT-base-v2モデル
これは、BERTベースの大文字小文字を区別しないモデルをSQuAD1.1データセットで微調整した问答システムモデルで、ブロック疎構造を採用し、元のモデルの32.1%の重みを保持しています。
anas-awadalla
RoBERTa-baseモデルをSQuADデータセットで微調整した问答モデルで、読解タスクに適しています。
aware-ai
これは、问答タスクに対してSQuADv2データセットでファインチューニングされたbart-largeモデルで、BARTアーキテクチャに基づいており、自然言語理解と生成タスクに適しています。
RoBERTa-baseモデルをベースに、SQuADデータセットでfew-shot微調整を行った问答モデル
keras-io
このモデルは、distilbert-base-casedをSQuADデータセットで微調整した问答モデルで、Keras.ioの问答チュートリアル用に訓練されました。
roberta-baseをベースにsquadデータセットで微調整された问答モデル
oo
このモデルは、distilbert-base-uncasedモデルをsquadデータセットで微調整したバージョンで、主に问答タスクに使用されます。
hark99
DistilBERTに基づく问答モデルで、SQuADデータセットで微調整され、読解タスクに使用されます。
M-FAC
このモデルはBERT - miniアーキテクチャに基づき、SQuAD 2.0データセットでM - FAC 2次オプティマイザーを使用して微調整された问答モデルです。
Transformers英語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
