基於DeBERTa-v3-large微調的AI文本檢測模型，能夠準確識別文本是由人類撰寫還是AI生成，在自定義數據集上訓練達到約97%的準確率。

自然語言處理Safetensors英語

這是一款專門用於生物醫學實體識別的高精度模型，基於deberta-v3-base架構微調而成，可識別蛋白質、DNA、RNA、細胞系和細胞類型等生物醫學實體，為臨床和研究應用提供了企業級解決方案。

自然語言處理Transformers多語言

該模型基於DeBERTa-v3-large構建，能夠根據英文文本內容預測匿名發言者或作者的性別。

自然語言處理Transformers英語

基於DeBERTa微調的命名實體識別模型，專門用於檢測文本中的個人身份信息(PII)，如姓名、社保號碼、電話號碼等敏感信息。

自然語言處理Transformers其他

一款專為識別和分類非結構化文本數據中的個人身份信息（PII）而優化的微調模型。

自然語言處理Transformers英語

基於MoritzLaurer/deberta-v3-base-zeroshot-v2.0-c微調的零樣本分類模型，採用NLI框架的SmartShot方法訓練

自然語言處理Safetensors英語

DeBERTa-v3-small是微軟發佈的輕量級DeBERTa模型變體，適用於文本分類任務。

自然語言處理Safetensors英語

該模型是基於microsoft/deberta-v3-base微調的版本，在評估集上表現出色，準確率達到99.87%。

自然語言處理Transformers

基於microsoft/deberta-v3-large微調的新聞標題多類別分類模型，支持7個新聞類別分類。

自然語言處理Transformers英語

基於DeBERTa-v3-base的零樣本文本分類模型，用於判斷前提和假設之間的邏輯關係（蘊含、中性或矛盾）。

自然語言處理Safetensors英語

這是一個基於DeBERTa v3 Large架構的序列分類模型，專門用於預測用戶提示是否需要通過外部資源（如網絡搜索、數據庫或RAG管道）進行接地處理。該模型在LLM管道中充當路由層，幫助優化檢索決策、延遲和成本。

自然語言處理Safetensors英語

基於DeBERTa-v3-large微調的AI生成文本檢測模型，專為學術場景優化

自然語言處理Transformers英語

基於 DeBERTa 的日語文本情感預測模型，支持8種情感分類。

自然語言處理Safetensors

基於微調後的 DeBERTa 模型，用於進行日語文本情感預測的 Python 包。

自然語言處理Safetensors

FactCG是一個基於DeBERTa-v3-large架構的文本分類模型，專門用於檢測大型語言模型生成內容中的無依據幻覺。

自然語言處理Safetensors英語

基於DeBERTa-v3-base微調的零樣本文本分類模型，適用於標註數據稀缺的場景或快速原型開發。

自然語言處理Transformers英語

CamemBERTav2是基於2750億法語文本標記預訓練的法語語言模型，採用DebertaV2架構，在多個法語NLP任務上表現優異。

自然語言處理Transformers法語

這是一個機器生成文本的二分類模型，在COLING 2025 GenAI檢測任務的單語子任務中榮獲第一名。

自然語言處理Transformers英語

這是一個基於DeBERTa-v3架構的令牌分類模型，專門用於從文本中提取方面術語並預測其情感極性。模型在多個SemEval數據集和MAMS數據集上訓練，能夠高效分析文本中不同方面的情感傾向。

自然語言處理Transformers英語

基於DeBERTaV3的生物醫學命名實體識別模型，專門用於從臨床文本中提取疾病、藥物等結構化信息

自然語言處理Safetensors英語