
使用BertSum作為摘要模型的提取式摘要器
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
52
±0 (10月13日〜)
最後提交
2020年9月
GitHub 建立日期
2019年10月29日
收錄日
2022年7月12日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 52 |
| 2026年1月 | 52 |
| 2026年2月 | 52 |
| 2026年3月 | 52 |
| 2026年4月 | 52 |
| 2026年5月 | 52 |
| 2026年6月 | 52 |
| 2026年7月 | 52 |
| 2026年8月 | 52 |
| 2026年9月 | 52 |
| 2026年10月 | 52 |
| 2026年11月 | 52 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
OneCompressionFujitsuResearch445富士通研究所提供的 LLM 專用後訓練量子化(PTQ)流程。整合了QEP(NeurIPS 2025)、ILP混合精度、旋轉前處理、vLLM插件。論文:arXiv:2603.28845。
easynovelassistantzuntan03237輕量且無規制和審查的日語本地 LLM『LightChatAssistant-TypeB』所提供的簡單小說生成助手。利用本地特權永久生成,堆積中獎的 Gacha。支援朗讀功能。
jparacrawl-finetuneMorinoseiMorizo104JParaCrawl 預訓練神經機器翻譯 (NMT) 模型的使用示例。
llm-lora-classificationhppRC97llm-lora-classification
llm-leaderboardwandb95日本任務的llm評估項目
sarashina2.2-ttssbintuitions90Sarashina2.2-TTS 是一個以日本為中心的文本轉語音系統,建立在一個大型語言模型上,由SB Intuitions開發。
研究領域相近的資源
- gpt-neox-japanese-2.7babeja3k一個 2.7‑B 參數的日語 GPT‑NeoX 模型,由 ABEJA Inc 在日語 CC‑100 與 OSCAR 上訓練,可透過 Hugging Face Transformers pipelines 或 PyTorch 使用,並以 MIT 授權釋出。HF 模型共同: 文本生成・語言模型
text-generationdiscus043419易於使用的腳本,可調整GPT-2-JA與您自己的文本,生成句子並自動發推文。共同: 文本生成・語言模型- gpt2-large-japaneseabeja2k由 ABEJA, Inc. 在日本 CC‑100、Wikipedia、OSCAR 上訓練的大型日語 GPT‑2 模型,使用 sentencepiece 進行分詞,可透過 Hugging Face transformers 在 PyTorch 或 TensorFlow 使用,並採用 MIT 授權。HF 模型共同: 文本生成・語言模型
mbart-finetuningken113執行 mBART 模型微調的程式碼。共同: 文本生成・語言模型
gptuber-by-langchainkarakuri-ai63GPT會當YouTuber共同: 文本生成・語言模型- japanese-gpt-neox-smallrinna656k一個 12 層、768 隱藏層的日本 GPT‑NeoX 模型,訓練於 CC‑100、C4 和 Wikipedia,兼容 Huggingface,並可選擇使用一個玩具前綴調優權重,使每句結尾強制出現笑臉表情符號。HF 模型共同: 語言模型・語意文本處理