懂AI
kobart-base-v2

kobart-base-v2

基于BART的韩文特征提取模型

该项目利用BART模型的Text Infilling技术进行训练，生成了一种高效的韩文特征提取模型。KoBART-base利用超过40GB的多样化韩文数据进行训练，适用于特征提取任务。注意模型可能存在的偏见和局限性，避免在不当环境中使用。项目包含GitHub仓库和模型演示空间，便于用户深入了解和使用。

KoBARTHuggingface编码器解码器Github开源项目模型韩语特征提取语言模型
GitHubHugging Face

项目介绍：kobart-base-v2

模型概述

Kobart-base-v2 是一个基于 BART（Bidirectional and Auto-Regressive Transformers）的语言模型。BART 本身是一种将输入文本进行噪音添加然后再恢复成原始文本的自编码器。KoBART 使用了与 BART 论文中相同的“文本填充”噪音函数，并在超过 40GB 的韩语文本上进行训练，形成了一种韩语编码器-解码器语言模型。

模型开发与共享

  • 开发者信息：需要更多信息
  • 共享者：Heewon (Haven) Jeon
  • 模型类型：特征提取
  • 适用语言：韩语
  • 许可协议：MIT
  • 上游模型：BART

使用方式

直接使用

该模型可用于特征提取任务。

下游应用

需要更多信息。

风险与限制

现有研究表明，语言模型在偏见和公平性上存在问题（参见 Sheng et al. 2021 和 Bender et al. 2021）。模型生成的预测可能涉及令人不安和有害的刻板印象，尤其是关于受保护的类别、身份特征以及敏感的社会和职业群体。

训练细节

训练数据

该模型使用了多种韩语数据集进行训练，包括韩语维基百科、新闻、书籍、各类语料库以及青瓦台国民请愿等，语料总量为 5百万个维基句子和 2.7亿其他语料。

训练过程

使用了 tokenizers 包中的 Character BPE tokenizer 进行训练，词汇大小为 30,000，并加入了常用的表情符号来提升识别能力，例如 😀、😁、😆 等等。

模型规格

模型参数量类型层数头数FFN维度隐藏层维度
KoBART-base124M编码器6163072768
解码器6163072768

评估与结果

对于 NSMC 数据集，kobart-base-v2 获得了 90.24% 的准确率。此外，在 KorSTS 和 Question Pair 数据集上也取得了较好的效果，分别得到了 81.66 的 spearman 值和 94.34 的准确率。

环境影响

可使用 Machine Learning Impact calculator 估算碳排放，但需要更多具体信息。

联系方式

关于 KoBART 的问题可以在 GitHub issues 页面 提出。

快速开始

以下是使用该模型的简单代码：

from transformers import PreTrainedTokenizerFast, BartModel

tokenizer = PreTrainedTokenizerFast.from_pretrained('gogamza/kobart-base-v2')
model = BartModel.from_pretrained('gogamza/kobart-base-v2')

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