该模型是基于FacebookAI/xlm-roberta-large在多语言文本上微调得到的笑话评分模型，专门用于评估笑话的质量和幽默程度。在评估集上取得了0.4005的准确率和5.0327的均方根误差。

自然语言处理Transformers

SAM 3 是 Meta 推出的第三代可提示分割基础模型，能够利用文本或视觉提示（点、框、掩码）来检测、分割和跟踪图像与视频中的对象。与前代相比，SAM 3 引入了对开放词汇概念所有实例进行详尽分割的能力，支持大量开放词汇提示，在 SA-CO 基准上达到人类表现的 75-80%。

计算机视觉Transformers英语

本模型是基于facebook/mask2former-swin-tiny-coco-instance在qubvel-hf/ade20k-mini数据集上进行微调的实例分割模型。该模型专门针对ADE20K-mini数据集中的场景理解任务进行了优化，在实例分割任务上表现出良好的性能。

计算机视觉Transformers

该模型是基于 Facebook 的 DETR-ResNet-50-DC5 目标检测模型在时尚数据集上进行微调的版本，专门用于时尚物品检测和分类。模型在 Fashionpedia 数据集上进行了优化，能够识别服装、配饰等时尚物品。

计算机视觉Transformers

MobileLLM-Pro是Meta推出的10亿参数高效设备端语言模型，专为移动设备优化，支持128k上下文长度，提供高质量推理能力。该模型通过知识蒸馏技术训练，在多项基准测试中超越同规模模型，并支持近乎无损的4位量化。

自然语言处理Transformers英语

MobileLLM-R1是Meta发布的高效推理模型系列，包含140M、360M和950M三种规模。该模型专门针对数学、编程和科学问题进行优化，在参数规模较小的情况下实现了与大规模模型相当甚至更优的性能。

自然语言处理Transformers英语

MobileLLM-R1是Meta发布的高效推理语言模型系列，专注于数学、编程和科学问题解决。该模型在参数规模较小的情况下仍能取得优异性能，提供完整的训练配方和数据源支持复现研究。

自然语言处理Transformers英语

MobileLLM-R1是Facebook推出的高效推理模型系列，专注于数学、编程和科学问题解决。该模型在仅使用约2T高质量标记进行预训练的情况下，在多项基准测试中取得了优异性能。

自然语言处理Transformers英语

MobileLLM-R1是专注于数学、编程和科学问题的高效推理模型系列，在较少训练数据下实现出色性能，提供完整的训练配方和数据源。

自然语言处理Transformers英语

MobileLLM-R1是Meta推出的高效推理模型系列，专注于解决数学、编程和科学问题。该模型提供140M、360M和950M三个规模版本，具有出色的推理能力和可复现性。

自然语言处理Transformers英语

MobileLLM-R1是MobileLLM系列中的高效推理模型，专门针对数学、编程和科学问题进行优化，在参数规模更小的情况下实现了更高的准确率，具有低训练成本和高效率的特点。

自然语言处理Transformers英语

MapAnything是一个端到端训练的Transformer模型，能够以多种模态作为输入，直接回归场景的分解度量3D几何结构。该模型支持超过12种不同的3D重建任务，包括多图像SfM、多视图立体视觉、单目度量深度估计等。

计算机视觉Safetensors英语

DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进技术。该模型能生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了之前的自监督和弱监督基础模型。

计算机视觉Transformers英语

DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调即可在广泛的视觉任务中超越专门的先进模型。该模型采用自监督学习方式，生成高质量的密集特征，在图像分类、分割、深度估计等多种任务中表现出色。

计算机视觉Transformers英语

DINOv3是Meta AI开发的多功能视觉基础模型，无需微调就能在广泛视觉任务中超越专业模型。该模型能生成高质量密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。

计算机视觉Transformers英语

DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调就能在多种视觉任务中超越专门的先进模型。该模型采用Vision Transformer架构，在16.89亿张网络图像上预训练，能生成高质量的密集特征，在图像分类、分割、检索等任务中表现出色。

计算机视觉Transformers英语

DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进模型。该模型采用自监督学习方式，生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。

计算机视觉Transformers英语

DINOv3是一系列通用的视觉基础模型，无需微调就能在广泛的视觉任务中超越专门的先进技术。该模型通过自监督学习生成高质量的密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。

计算机视觉Transformers英语

MetaCLIP 2 (worldwide) 是一个基于Transformer架构的多语言零样本图像分类模型，支持全球范围内的视觉语言理解任务，能够实现无需训练即可对图像进行分类的能力。

多模态Transformers其他

ESM-2 是 NVIDIA 基于 Facebook Research 原始 ESM-2 模型使用 TransformerEngine 库优化的蛋白质语言模型，在数值精度范围内具有相同的权重和输出，适用于蛋白质序列分析任务。

科学计算Transformers