高效能日文 SPLADE v2 透過 WebUI demo 可進行稀疏向量轉換與推理,使用 YAST 訓練,提供 YASEM 嵌入,並報告 JMTEB 基準結果。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
4,000
Hugging Face 按讚數
17
收錄日
2024年12月31日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 2,000 |
| 2026年1月 | 2,000 |
| 2026年2月 | 2,000 |
| 2026年3月 | 2,000 |
| 2026年4月 | 3,000 |
| 2026年5月 | 4,000 |
| 2026年6月 | 4,000 |
| 2026年7月 | 6,000 |
| 2026年8月 | 6,000 |
| 2026年9月 | 8,000 |
| 2026年10月 | 6,000 |
| 2026年11月 | 4,000 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- t5-small-shortretrieva-jp3kA T5 v1.1 日語模型,預訓練於 mC4/ja 與 Wikipedia,採用 GEGLU 激活函式,在預訓練期間無 dropout,具有獨立的 embedding / classifier 層,以及較大的 d_model 但頭數更少,授權為 CC‑BY‑SA 4.0,可商業使用。
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base(12層,768‑次元,12頭)以 Unidic 為基礎的單詞層級加字符層級標記化以及整詞遮蔽,在 CC‑100 和 2023 Wikipedia 上進行預訓練,產生了 7,027‑token 詞彙。
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上訓練,使用 Unidic‑lite 詞級分詞,結合 WordPiece 子詞與全詞遮蔽,模型為 24 層、1024 維隱藏、16 頭、32k 詞表;預訓練程式碼位於 cl‑tohoku/bert‑japanese。
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base (12 層, 768‑維度隱藏, 12 頭, 32k 詞彙) 以完整詞遮蔽在 CC‑100 與 2023‑Jan Wikipedia 上預訓練,使用 Unidic 2.1.2 詞級分詞加 WordPiece,訓練 200 萬步。
- kana-whispersbintuitions42k一個經過微調的 Whisper large-v3-turbo 模型,能將日語語音轉錄成片假名,作為 Sarashina2.2-TTS 專案內 Joyo Kanji Yomi Benchmark 的 ASR 組件,同時驅動 Kana CER Usage With Transformers 管道。
- t5-base-japanese-v1.1sonoisa17k一個以約 100 GB 的 Wikipedia 與 OSCAR CC‑100 數據(混合 10:1、Byte‑fallback 的 SentencePiece)預訓練的日本 T5‑v1.1 模型,需對下游任務進行微調,包含遷移學習範例程式碼,提示輸出可能存在偏差,且採用 CC‑BY‑SA 4.0 授權。
研究領域相近的資源
- plamo-embedding-1bpfnet486kPLaMo‑Embedding‑1B 是 Preferred Networks 開發的日本文本嵌入模型,能將日文文本轉換為向量,用於資訊檢索、分類與聚類,在 JMTEB 基準測試上表現優異,且以 Apache v2.0 license 免費提供。共同: 表示學習・語意文本處理
- ruri-v3-70mcl-nagoya14kRuri v3 提供高性能的日語文本嵌入,最多可達 8192 個 token,擁有 100k token 詞彙表,支援 FlashAttention,並提供多種模型尺寸 (30 m–310 m) 以供透過 sentence‑transformers 進行高效推理與微調。共同: 表示學習・語意文本處理
wikipedia-passages-jawiki-embeddings-utilshotchpotch12將維基百科的日文句子轉換為各種日文嵌入和faiss索引的腳本等。GitHub共同: 表示學習・語意文本處理- ruri-v3-310mcl-nagoya634kRuri v3 是一個尖端的日本語文本嵌入模型,建立於 ModernBERT‑Ja,支援最多 8,192‑token 輸入、100K‑token 詞彙表、FlashAttention‑加速推論,以及多種尺寸變體,方便快速使用 sentence‑transformer。共同: 表示學習・語意文本處理
- ruri-v3-30mcl-nagoya126kRuri v3 是一款最先進的日文文本嵌入模型,構建於 ModernBERT‑Ja,支持高達 8,192 tokens、一個 100k‑token 詞彙表、FlashAttention 加速,並提供從 37 M 到 315 M 參數的多種規模。共同: 表示學習・語意文本處理
- ruri-v3-130mcl-nagoya93kRuri v3 是一款最先進的日本語文本嵌入模型,基於 ModernBERT‑Ja 建構,支援長達 8192‑token 序列、10 萬詞彙、FlashAttention,並以 30 M 到 310 M 參數大小提供,以供 sentence‑transformers 使用。共同: 表示學習・語意文本處理