Home Progetti mdlm
mdlm

mdlm

di kuleshov-group · GitHub

[NeurIPS 2024] Modello di Linguaggio a Diffusione Mascherata Semplice ed Efficace

Visualizza su GitHub
In parole semplici

Implementa un modello linguistico che genera testo utilizzando un nuovo approccio all'addestramento con dati mascherati.

⭐ 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 →
mdlm — GitHub preview card
📈 Storia delle stelle
703701
2026-07-202026-07-29
📈 Segui mdlm

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

[NeurIPS 2024] Modello di Linguaggio a Diffusione Mascherata Semplice ed Efficace

mdlm ha 703 stelle su GitHub. È stato forkato 102 volte. mdlm è scritto principalmente in Python. È in sviluppo attivo dal 2024. mdlm è disponibile con licenza Apache-2.0. I suoi temi principali sono: diffusion-language-models, diffusion-models, language-model, text.

Frequently asked questions

Che cos'è mdlm?

[NeurIPS 2024] Modello di Linguaggio a Diffusione Mascherata Semplice ed Efficace

mdlm è open source?

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

mdlm è gratuito?

Sì. mdlm è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è mdlm?

mdlm è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto mdlm?

mdlm è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — mdlm

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

[![olud.ai](https://olud.ai/badge.php?tool=kuleshov-group-mdlm)](https://olud.ai/project/kuleshov-group-mdlm.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.