基于 transformers 库实现的多种 NLP 任务。
计算文本间的相似度，多用于：
搜索召回、文本检索、蕴含识别等任务。
| 模型 | 传送门 |
|---|---|
| 概览 | [这里] |
| PointWise（单塔） | [这里] |
| DSSM（双塔） | [这里] |
| Sentence Bert（双塔） | [这里] |
在给定的文本段落中抽取目标信息，多用于：
命名实体识别（NER），实体关系抽取（RE）等任务。
| 模型 | 传送门 |
|---|---|
| 通用信息抽取（Universe Information Extraction, UIE） | [这里] |
通过设计提示（prompt）模板，实现使用更少量的数据在预训练模型（Pretrained Model）上得到更好的效果，多用于：
Few-Shot，Zero-Shot等任务。
| 模型 | 传送门 |
|---|---|
| PET（基于人工定义 prompt pattern 的方法） | [这里] |
| p-tuning（机器自动学习 prompt pattern 的方法） | [这里] |
对给定文本进行分类，多用于：
情感识别，文章分类识别等任务。
| 模型 | 传送门 |
|---|---|
| BERT-CLS（基于 BERT 的分类器） | [这里] |
RLHF（Reinforcement Learning from Human Feedback）通过人类的反馈，将强化学习（RL）用于更新语言生成模型（LM），从而达到更好的生成效果（代表例子：ChatGPT）；通常包括：
奖励模型（Reward Model）训练和强化学习（Reinforcement Learning）训练两个阶段。
| 模型 | 传送门 |
|---|---|
| RLHF（Reward Model 训练，PPO 更新 GPT2） | [这里] |
文本生成（NLG），通常用于：
小说续写，智能问答，对话机器人等任务。
| 模型 | 传送门 |
|---|---|
| 中文问答模型（T5-Based） | [这里] |