Home Progetti mlm-scoring
mlm-scoring

mlm-scoring

di awslabs · GitHub

Libreria Python & esempi per la valutazione del modello di linguaggio mascherato (ACL 2020)

Visualizza su GitHub
⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
mlm-scoring — GitHub preview card
📈 Storia delle stelle
350349
2026-07-202026-07-29
📈 Segui mlm-scoring

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Libreria Python & esempi per la valutazione del modello di linguaggio mascherato (ACL 2020)

mlm-scoring ha 350 stelle su GitHub. È stato forkato 60 volte. mlm-scoring è scritto principalmente in Python. È in sviluppo attivo dal 2020. mlm-scoring è disponibile con licenza Apache-2.0. I suoi temi principali sono: bert, language-model, mxnet, nlp.

Frequently asked questions

Che cos'è mlm-scoring?

Libreria Python & esempi per la valutazione del modello di linguaggio mascherato (ACL 2020)

mlm-scoring è open source?

mlm-scoring è un progetto open source. È rilasciato con licenza Apache-2.0.

mlm-scoring è gratuito?

Sì. mlm-scoring è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è mlm-scoring?

mlm-scoring è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto mlm-scoring?

mlm-scoring è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — mlm-scoring

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=awslabs-mlm-scoring)](https://opensourceai.tech/project/awslabs-mlm-scoring.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.