懂AI
roberta-base-bne

roberta-base-bne

基于西班牙国家图书馆数据的RoBERTa语言模型

roberta-base-bne是一种基于西班牙国家图书馆560GB文本进行大规模预训练的西班牙语掩码语言模型，适用于问答、文本分类和命名实体识别等。该模型可能存在偏见，建议为具体任务进行微调。如有问题，可联系巴塞罗那超级计算中心的文本挖掘团队。

西班牙语开源项目国家图书馆roberta-base-bne模型语言模型Huggingface填空任务Github
GitHubHugging Face论文

roberta-base-bne 项目介绍

项目概述

roberta-base-bne 是一种基于西班牙语的变压器架构掩码语言模型。它基于 RoBERTa 基础模型，使用西班牙国家图书馆从 2009 年到 2019 年进行的网络抓取数据进行预训练。该模型专注于填补文本中的空白（fill-mask）任务，是目前拥有最大规模的西班牙语语料库，处理后的净文本总共达 570GB。

模型描述

roberta-base-bne 模型是一个适用于西班牙语的掩码语言模型。它经过了大规模的西班牙语数据训练，数据来自西班牙国家图书馆的互联网抓取。这些数据经过清理和去重处理，确保了高质量的输入用于模型训练。模型能够在文本中预测缺失的词语或短语，非常适合填补空白等任务。此外，该模型可以进一步用于问题解答、文本分类和命名实体识别等非生成性下游任务。

使用说明

要使用 roberta-base-bne 模型，可以通过以下Python代码示例进行尝试：

from transformers import pipeline
from pprint import pprint

unmasker = pipeline('fill-mask', model='PlanTL-GOB-ES/roberta-base-bne')
pprint(unmasker("Gracias a los datos de la BNE se ha podido <mask> este modelo del lenguaje."))

该代码片段展示了如何使用模型填补文本中的空白。此外，用户还可以通过 PyTorch 获取给定文本的特征。

限制与偏见

目前尚未对模型中可能存在的偏见和毒性进行系统评估。然而，由于语料是从多个网络来源抓取的，因此可能存在一些偏见。未来的研究将会在这些方面进行深入探讨和更新。

训练

训练数据

训练数据由西班牙国家图书馆每年抓取的 .es 域网站组成，数据量巨大，原始格式数据大小达 59TB。经过一系列处理操作后，包括句子分割、语言检测和去重等，最终形成了 570GB 的净西班牙语语料。

训练过程

训练采用了字节对编码（BPE）技术，将数据进行编码。模型的预训练进行了掩码语言模型训练，总训练时间为 48 小时，使用了 16 个计算节点，每个节点配备 4 个 NVIDIA V100 GPU。

评估

在训练后，该模型在多个下游任务中表现出优秀的性能，具体评估结果可以查看我们的 GitHub 仓库或相关论文。

附加信息

作者

由巴塞罗那超级计算中心 (BSC) 的文本挖掘单元 (TeMU) 负责开发。

联系信息

如需更多信息，请发送邮件至 plantl-gob-es@bsc.es。

版权与许可

本作品遵循 Apache 2.0 许可证。

资金支持

该项目得到了西班牙数字化和人工智能国家秘书处 (SEDIA) 的支持。

有关模型使用的免责声明、引用信息等更多详细信息，请查阅模型发布页。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多