AI律师事务所Moritz在Y Combinator毕业前四天内完成900万美元种子轮融资,由YC、Urban Innovation Fund等领投,吸引Reddit、Runway创始成员及OpenAI员工等科技界投资者。公司由前OpenAI法律顾问Pamir Essas和机器学习工程师Stefan Mandaric创立,旨在用AI技术革新传统法律服务,与Harvey等竞争对手形成差异化。
MaagDeveloper
支持100种语言的自然语言推理模型,适用于多语言零样本分类任务
gincioks
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
MoritzLaurer
基于ModernBERT-base微调的零样本分类器,高效快速且内存占用低,适用于多种文本分类任务。
基于ModernBERT-large微调的零样本分类器,高效快速且内存占用低,适用于多种文本分类任务。
protectai
这是MoritzLaurer/roberta-base-zeroshot-v2.0-c模型的ONNX格式转换版本,适用于零样本分类任务。
专为高效零样本分类设计的模型,支持多语言文本分类任务,无需训练数据即可执行分类
基于BAAI/bge-m3-retromae训练的多语言零样本文本分类模型,专为商业友好场景设计
专为零样本分类任务优化的DeBERTa-v3大型模型,支持无需训练数据的文本分类
基于DeBERTa-v3-base架构的零样本分类模型,专为无需训练数据的文本分类任务设计
专为高效零样本分类设计的RoBERTa-large模型,使用商业友好数据训练,无需训练数据即可执行文本分类任务。
基于RoBERTa架构的零样本分类模型,专为无需训练数据的文本分类任务设计,支持GPU与CPU运行,使用完全商业友好的数据训练。
基于DeBERTa-v3-base的零样本分类模型,专为无需训练数据的分类任务设计,使用商业友好数据训练
专为高效零样本分类设计的DeBERTa-v3-large模型,使用完全商业友好的合成数据和NLI数据集训练,支持GPU/CPU推理
这是一个小型高效的零样本分类模型,基于microsoft/deberta-v3-xsmall微调而成,专为边缘设备或浏览器内用例设计。
这是一个超小体积、高效能的零样本分类模型,专为边缘设备和浏览器应用设计。
该模型是基于DeBERTa-v3-large架构的零样本分类模型,主要在五个NLI数据集上训练,适用于遵循原始NLI任务的任务。
专为零样本分类设计的DeBERTa-v3-large模型,支持将任意分类任务重新表述为自然语言推理(NLI)形式
该模型是基于五个NLI数据集训练的文本分类模型,主要用于零样本分类任务,作为比较基准使用。
基于DeBERTa-v3的零样本分类模型,支持33个数据集和387个类别的通用文本分类任务
专为零样本分类任务设计的DeBERTa-v3模型,在多种分类任务上表现优异