
一个日语音素级别的BERT存储库
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
24
±0 (10月13日〜)
最后提交
2023年12月
GitHub 创建日期
2023年6月9日
收录日
2025年12月30日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 22 |
| 2026年1月 | 22 |
| 2026年2月 | 22 |
| 2026年3月 | 24 |
| 2026年4月 | 24 |
| 2026年5月 | 24 |
| 2026年6月 | 24 |
| 2026年7月 | 24 |
| 2026年8月 | 24 |
| 2026年9月 | 24 |
| 2026年10月 | 24 |
| 2026年11月 | 24 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
研究领域相近的资源
pretrained_doc2vec_jayagays25预训练的doc2vec模型在日语维基百科上共同: 语言模型
swallow-evaluation-instructswallow-llm34燕子项目 后续学习完成的大规模语言模型 评估框架共同: 语言模型- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一种日语 BERT 变体,融合了局部-全局注意力和 RoPE,训练于 4.09 T 日语/英语文本,支持 102 400 词汇量、8 192 令牌序列,并针对 Flash Attention 2 进行了优化。HF 模型共同: 语言模型
- deberta-v2-base-japanese-char-wwmku-nlp24k一款日本DeBERTa‑V2基础模型,已在171 GB的日本维基百科、CC‑100和OSCAR文本上预训练,使用字符级分词、全词掩码,训练耗时20天,使用8块A100 GPU,并已准备好进行下游微调。HF 模型共同: 语言模型
- deberta-v2-base-japaneseku-nlp24kJapanese DeBERTa V2 基础模型已在 171 GB 的日语维基百科、CC‑100 和 OSCAR 数据上预训练,使用 Juman++ 分词和 SentencePiece 标记化,经过三周在八块 NVIDIA A100 GPU 上训练,现已准备好用于微调。HF 模型共同: 语言模型
- modernbert-ja-130msbintuitions12k这是一款 1.32 亿参数的日语 ModernBERT 模型,融合了 local‑global 与 RoPE 注意力机制,训练于 4.39 T 词条(日语/英语),词表大小 102k,最大序列长度 8,192,针对 Flash Attention 2 做了优化。HF 模型共同: 语言模型