基于DeBERTa-v3-large微调的AI文本检测模型，能够准确识别文本是由人类撰写还是AI生成，在自定义数据集上训练达到约97%的准确率。

自然语言处理Safetensors英语

这是一款专门用于生物医学实体识别的高精度模型，基于deberta-v3-base架构微调而成，可识别蛋白质、DNA、RNA、细胞系和细胞类型等生物医学实体，为临床和研究应用提供了企业级解决方案。

自然语言处理Transformers支持多种语言

该模型基于DeBERTa-v3-large构建，能够根据英文文本内容预测匿名发言者或作者的性别。

自然语言处理Transformers英语

基于DeBERTa微调的命名实体识别模型，专门用于检测文本中的个人身份信息(PII)，如姓名、社保号码、电话号码等敏感信息。

自然语言处理Transformers其他

一款专为识别和分类非结构化文本数据中的个人身份信息（PII）而优化的微调模型。

自然语言处理Transformers英语

基于MoritzLaurer/deberta-v3-base-zeroshot-v2.0-c微调的零样本分类模型，采用NLI框架的SmartShot方法训练

自然语言处理Safetensors英语

DeBERTa-v3-small是微软发布的轻量级DeBERTa模型变体，适用于文本分类任务。

自然语言处理Safetensors英语

该模型是基于microsoft/deberta-v3-base微调的版本，在评估集上表现出色，准确率达到99.87%。

自然语言处理Transformers

基于microsoft/deberta-v3-large微调的新闻标题多类别分类模型，支持7个新闻类别分类。

自然语言处理Transformers英语

基于DeBERTa-v3-base的零样本文本分类模型，用于判断前提和假设之间的逻辑关系（蕴含、中性或矛盾）。

自然语言处理Safetensors英语

这是一个基于DeBERTa v3 Large架构的序列分类模型，专门用于预测用户提示是否需要通过外部资源（如网络搜索、数据库或RAG管道）进行接地处理。该模型在LLM管道中充当路由层，帮助优化检索决策、延迟和成本。

自然语言处理Safetensors英语

基于DeBERTa-v3-large微调的AI生成文本检测模型，专为学术场景优化

自然语言处理Transformers英语

基于 DeBERTa 的日语文本情感预测模型，支持8种情感分类。

自然语言处理Safetensors

基于微调后的 DeBERTa 模型，用于进行日语文本情感预测的 Python 包。

自然语言处理Safetensors

FactCG是一个基于DeBERTa-v3-large架构的文本分类模型，专门用于检测大型语言模型生成内容中的无依据幻觉。

自然语言处理Safetensors英语

基于DeBERTa-v3-base微调的零样本文本分类模型，适用于标注数据稀缺的场景或快速原型开发。

自然语言处理Transformers英语

CamemBERTav2是基于2750亿法语文本标记预训练的法语语言模型，采用DebertaV2架构，在多个法语NLP任务上表现优异。

自然语言处理Transformers法语

这是一个机器生成文本的二分类模型，在COLING 2025 GenAI检测任务的单语子任务中荣获第一名。

自然语言处理Transformers英语

这是一个基于DeBERTa-v3架构的令牌分类模型，专门用于从文本中提取方面术语并预测其情感极性。模型在多个SemEval数据集和MAMS数据集上训练，能够高效分析文本中不同方面的情感倾向。

自然语言处理Transformers英语

基于DeBERTaV3的生物医学命名实体识别模型，专门用于从临床文本中提取疾病、药物等结构化信息

自然语言处理Safetensors英语