
LUKE -- 基于知识嵌入的语言理解
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
727
±0 (10月13日〜)
最后提交
2023年6月
GitHub 创建日期
2019年2月21日
收录日
2022年10月29日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 727 |
| 2026年1月 | 728 |
| 2026年2月 | 727 |
| 2026年3月 | 727 |
| 2026年4月 | 727 |
| 2026年5月 | 727 |
| 2026年6月 | 726 |
| 2026年7月 | 725 |
| 2026年8月 | 725 |
| 2026年9月 | 727 |
| 2026年10月 | 727 |
| 2026年11月 | 727 |
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
bert-japanesecl-tohoku551用于日语文本的BERT模型。
bert-japaneseyoheikikuta497使用SentencePiece的BERT模型用于日语文本。
gpt2-japanesetanreinama322日本GPT2生成模型
japanese-dialog-transformersnttcslab247NTT有提供用于评估日语预训练模型的代码。
DistilBERT-base-jpBandaiNamcoResearchInc161一个在维基百科上训练的日本DistilBERT预训练模型。
Japanese-Alpaca-LoRAkunishou141使用翻译成日语的Stanford Alpaca数据集对LLaMA进行微调,创建了Low-Rank Adapter,并提供了链接和生成示例代码。
研究领域相近的资源
- ruri-v3-310mcl-nagoya634kRuri v3 是基于 ModernBERT‑Ja 的先进日语文本嵌入模型,支持多达 8,192 词元输入,100K 词元词汇表,FlashAttention 加速推理,并提供多种尺寸变体,便于快速使用 sentence‑transformer。HF 模型共同: 表示学习・语义文本处理
- ruri-v3-30mcl-nagoya126kRuri v3是一个最先进的日语文本嵌入模型,基于ModernBERT‑Ja构建,支持最多8,192个标记,拥有100 k词汇量,支持FlashAttention加速,并提供多种规模,从37 M到315 M参数。HF 模型共同: 表示学习・语义文本处理
- ruri-v3-130mcl-nagoya93kRuri v3 是基于 ModernBERT‑Ja 的前沿日语文本嵌入模型,支持最多 8192 token 序列、100K token 词汇量、FlashAttention,并以 30 M 至 310 M 参数规模发布,供 sentence‑transformers 使用。HF 模型共同: 表示学习・语义文本处理
chiVeWorksApplications179使用Sudachi和NWJC的日语词嵌入共同: 表示学习・语义文本处理
jawikivecwikiwikification2又一个日语维基百科实体向量共同: 表示学习・知识表示- sentence-bert-base-ja-mean-tokenssonoisa14k用于生成句子嵌入的 Japanese Sentence‑BERT (v1) 模型,已提供改进版 v2,并通过 Hugging Face Transformers 以及自定义的 SentenceBertJapanese 类进行示例使用。HF 模型共同: 表示学习・语义文本处理