[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-dccuchile--beto":3,"tool-dccuchile--beto":64},[4,17,25,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[15,14,13,36],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":75,"owner_website":81,"owner_url":82,"languages":79,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":87,"env_os":88,"env_gpu":89,"env_ram":90,"env_deps":91,"category_tags":98,"github_topics":99,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":105,"updated_at":106,"faqs":107,"releases":138},2024,"dccuchile\u002Fbeto","beto","BETO - Spanish version of the BERT model","BETO 是专为西班牙语设计的 BERT 模型，基于大规模西班牙语语料训练而成，能理解并处理西班牙语文本中的语义与上下文关系。它解决了通用多语言模型在西班牙语任务上表现不足的问题，尤其在词性标注、命名实体识别、文本分类等任务中表现优异，部分指标甚至超越了多语言 BERT。BETO 提供大小写敏感和不敏感两个版本，采用“全词掩码”技术，更精准地捕捉西班牙语词汇结构，同时使用约 3 万词的 BPE 子词词汇表，适配西班牙语的拼写与构词特点。开发者和研究人员可直接通过 Hugging Face 加载模型，轻松用于西班牙语 NLP 项目，如聊天机器人、文本分析或信息抽取。普通用户虽不直接使用，但其背后技术正提升着西班牙语搜索引擎、翻译工具和智能客服的体验。BETO 由智利大学团队开发，开源免费，适合所有需要高质量西班牙语语言理解能力的中文或英文使用者。","# BETO: Spanish BERT\n\nBETO is a [BERT model](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert) trained on a [big Spanish corpus](https:\u002F\u002Fgithub.com\u002Fjosecannete\u002Fspanish-corpora). BETO is of size similar to a BERT-Base and was trained with the Whole Word Masking technique. Below you find Tensorflow and Pytorch checkpoints for the uncased and cased versions, as well as some results for Spanish benchmarks comparing BETO with [Multilingual BERT](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert\u002Fblob\u002Fmaster\u002Fmultilingual.md) as well as other (not BERT-based) models.\n\n## Download\n\n|              |                  HuggingFace Model Repository                  |\n|:------------:|:--------------------------------------------------------------:|\n| BETO uncased | [dccuchile\u002Fbert-base-spanish-wwm-uncased](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-uncased) |\n|  BETO cased  |  [dccuchile\u002Fbert-base-spanish-wwm-cased](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-cased)  |\n\nAll models use a vocabulary of about 31k BPE subwords constructed using SentencePiece and were trained for 2M steps. \n\n## Benchmarks\n\nThe following table shows some BETO results in the Spanish version of every task. \nWe compare BETO (cased and uncased) with the Best Multilingual BERT results that \nwe found in the literature (as of October 2019). \nThe table also shows some alternative methods for the same tasks (not necessarily BERT-based methods).\nReferences for all methods can be found [here](#references).\n\n|Task   | BETO-cased    | BETO-uncased  | Best Multilingual BERT    | Other results                  |\n|-------|--------------:|--------------:|--------------------------:|-------------------------------:|\n|[POS](https:\u002F\u002Flindat.mff.cuni.cz\u002Frepository\u002Fxmlui\u002Fhandle\u002F11234\u002F1-1827)    | **98.97**     | 98.44     | 97.10 [2]                 | 98.91 [6], 96.71 [3]           |\n|[NER-C](https:\u002F\u002Fwww.kaggle.com\u002Fnltkdata\u002Fconll-corpora)  | [**88.43**](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002Fconll2002\u002Fdev_results_beto-cased_conll2002.txt)         | 82.67         | 87.38 [2]                 | 87.18 [3]                      |\n|[MLDoc](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FMLDoc)  | [95.60](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002FMLDoc\u002Fdev_results_beto-cased_mldoc.txt)        | [**96.12**](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002FMLDoc\u002Fdev_results_beto-uncased_mldoc.txt)     | 95.70 [2]                 | 88.75 [4]                      |\n|[PAWS-X](https:\u002F\u002Fgithub.com\u002Fgoogle-research-datasets\u002Fpaws\u002Ftree\u002Fmaster\u002Fpawsx) | 89.05         | 89.55         | 90.70 [8]                 |\n|[XNLI](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FXNLI)   | **82.01**         | 80.15     | 78.50 [2]                 | 80.80 [5], 77.80 [1], 73.15 [4]|\n\n## Example of use\n\nFor further details on how to use BETO you can visit the [🤗Huggingface Transformers library](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Ftransformers), starting by the [Quickstart section](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Ftransformers\u002Ftasks\u002Fsequence_classification). \nBETO models can be accessed simply as [`'dccuchile\u002Fbert-base-spanish-wwm-cased'`](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-cased) and [`'dccuchile\u002Fbert-base-spanish-wwm-uncased'`](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-uncased) by using the Transformers library. \nAn example on how to use the models in this page can be found in [this colab notebook](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1pYOYsCU59GBOwztkWCw5PTsqBiJbRy4S?usp=sharing).\n\n\n## Acknowledgments\n\nWe thank [Adereso](https:\u002F\u002Fwww.adere.so\u002F) for kindly providing support for traininig BETO-uncased, and the [Millennium Institute for Foundational Research on Data](https:\u002F\u002Fimfd.cl\u002Fen\u002F)\nthat provided support for training BETO-cased. Also thanks to Google for helping us with the [TensorFlow Research Cloud](https:\u002F\u002Fwww.tensorflow.org\u002Ftfrc) program.\n\n## Citation\n\n[Spanish Pre-Trained BERT Model and Evaluation Data](https:\u002F\u002Farxiv.org\u002Fabs\u002F2308.02976)\n\nTo cite this resource in a publication please use the following:\n\n```\n@inproceedings{CaneteCFP2020,\n  title={Spanish Pre-Trained BERT Model and Evaluation Data},\n  author={Cañete, José and Chaperon, Gabriel and Fuentes, Rodrigo and Ho, Jou-Hui and Kang, Hojin and Pérez, Jorge},\n  booktitle={PML4DC at ICLR 2020},\n  year={2020}\n}\n```\n\n\n## License Disclaimer\nThe license CC BY 4.0 best describes our intentions for our work. However we are not sure that all the datasets used to train BETO have licenses compatible with CC BY 4.0 (specially for commercial use). Please use at your own discretion and verify that the licenses of the original text resources match your needs.\n\n\n## References\n\n* [1] [Original Multilingual BERT](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert\u002Fblob\u002Fmaster\u002Fmultilingual.md)\n* [2] [Multilingual BERT on \"Beto, Bentz, Becas: The Surprising Cross-Lingual Effectiveness of BERT\"](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1904.09077.pdf)\n* [3] [Multilingual BERT on \"How Multilingual is Multilingual BERT?\"](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1906.01502.pdf)\n* [4] [LASER](https:\u002F\u002Farxiv.org\u002Fabs\u002F1812.10464)\n* [5] [XLM (MLM+TLM)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1901.07291.pdf)\n* [6] [UDPipe on \"75 Languages, 1 Model: Parsing Universal Dependencies Universally\"](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1904.02099.pdf)\n* [7] [Multilingual BERT on \"Sequence Tagging with Contextual and Non-Contextual Subword Representations: A Multilingual Evaluation\"](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1906.01569.pdf)\n* [8] [Multilingual BERT on \"PAWS-X: A Cross-lingual Adversarial Dataset for Paraphrase Identification\"](https:\u002F\u002Farxiv.org\u002Fabs\u002F1908.11828)\n","# BETO：西班牙语BERT\n\nBETO 是一种基于 [BERT 模型](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert) 训练的模型，其训练数据集为 [大型西班牙语语料库](https:\u002F\u002Fgithub.com\u002Fjosecannete\u002Fspanish-corpora)。BETO 的规模与 BERT-Base 类似，并采用全词掩码技术进行训练。以下提供了不区分大小写的和区分大小写的 TensorFlow 和 PyTorch 检查点，以及一些针对西班牙语基准测试的结果，这些结果将 BETO 与 [多语言 BERT](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert\u002Fblob\u002Fmaster\u002Fmultilingual.md) 及其他（非 BERT 基础）模型进行了对比。\n\n## 下载\n\n|              |                  HuggingFace 模型仓库                  |\n|:------------:|:--------------------------------------------------------------:|\n| BETO 不区分大小写 | [dccuchile\u002Fbert-base-spanish-wwm-uncased](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-uncased) |\n|  BETO 区分大小写  |  [dccuchile\u002Fbert-base-spanish-wwm-cased](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-cased)  |\n\n所有模型均使用由 SentencePiece 构建的约 3.1 万个 BPE 子词的词汇表，并在 200 万步内完成训练。\n\n## 基准测试\n\n下表展示了 BETO 在每个任务的西班牙语版本中的部分结果。我们把 BETO（区分大小写和不区分大小写）与我们在文献中找到的最佳多语言 BERT 结果进行了比较（截至 2019 年 10 月）。此外，表中还列出了相同任务的一些替代方法（不一定基于 BERT 的方法）。所有方法的参考文献可在此处找到 [这里](#references)。\n\n|任务   | BETO-区分大小写    | BETO-不区分大小写  | 最佳多语言 BERT    | 其他结果                  |\n|-------|--------------:|--------------:|--------------------------:|-------------------------------:|\n|[POS](https:\u002F\u002Flindat.mff.cuni.cz\u002Frepository\u002Fxmlui\u002Fhandle\u002F11234\u002F1-1827)    | **98.97**     | 98.44     | 97.10 [2]                 | 98.91 [6], 96.71 [3]           |\n|[NER-C](https:\u002F\u002Fwww.kaggle.com\u002Fnltkdata\u002Fconll-corpora)  | [**88.43**](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002Fconll2002\u002Fdev_results_beto-cased_conll2002.txt)         | 82.67         | 87.38 [2]                 | 87.18 [3]                      |\n|[MLDoc](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FMLDoc)  | [95.60](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002FMLDoc\u002Fdev_results_beto-cased_mldoc.txt)        | [**96.12**](https:\u002F\u002Fgithub.com\u002Fgchaperon\u002Fbeto-benchmarks\u002Fblob\u002Fmaster\u002FMLDoc\u002Fdev_results_beto-uncased_mldoc.txt)     | 95.70 [2]                 | 88.75 [4]                      |\n|[PAWS-X](https:\u002F\u002Fgithub.com\u002Fgoogle-research-datasets\u002Fpaws\u002Ftree\u002Fmaster\u002Fpawsx) | 89.05         | 89.55         | 90.70 [8]                 |\n|[XNLI](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FXNLI)   | **82.01**         | 80.15     | 78.50 [2]                 | 80.80 [5], 77.80 [1], 73.15 [4]|\n\n## 使用示例\n\n如需了解如何使用 BETO 的更多详细信息，可访问 [🤗Huggingface Transformers 库](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Ftransformers)，从 [快速入门部分](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Ftransformers\u002Ftasks\u002Fsequence_classification) 开始。通过 Transformers 库，可以直接访问 BETO 模型，例如 [`'dccuchile\u002Fbert-base-spanish-wwm-cased'`](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-cased) 和 [`'dccuchile\u002Fbert-base-spanish-wwm-uncased'`](https:\u002F\u002Fhuggingface.co\u002Fdccuchile\u002Fbert-base-spanish-wwm-uncased)。本页面中模型的使用示例可在 [此 Colab 笔记本](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1pYOYsCU59GBOwztkWCw5PTsqBiJbRy4S?usp=sharing) 中找到。\n\n## 致谢\n\n我们感谢 [Adereso](https:\u002F\u002Fwww.adere.so\u002F) 对训练 BETO-不区分大小写提供的支持，以及 [千年数据基础研究学院](https:\u002F\u002Fimfd.cl\u002Fen\u002F) 对训练 BETO-区分大小写的支持。同时感谢 Google 为我们提供的 [TensorFlow Research Cloud](https:\u002F\u002Fwww.tensorflow.org\u002Ftfrc) 计划支持。\n\n## 引用\n\n[西班牙预训练 BERT 模型及评估数据](https:\u002F\u002Farxiv.org\u002Fabs\u002F2308.02976)\n\n如需在出版物中引用本资源，请使用以下格式：\n\n```\n@inproceedings{CaneteCFP2020,\n  title={西班牙预训练 BERT 模型及评估数据},\n  author={Cañete, José and Chaperon, Gabriel and Fuentes, Rodrigo and Ho, Jou-Hui and Kang, Hojin and Pérez, Jorge},\n  booktitle={PML4DC at ICLR 2020},\n  year={2020}\n}\n```\n\n\n## 许可声明\n我们的工作意图最适合采用 CC BY 4.0 许可协议。不过，我们无法确定用于训练 BETO 的所有数据集都具有与 CC BY 4.0 兼容的许可（尤其是商业用途）。请自行谨慎使用，并确认原始文本资源的许可符合您的需求。\n\n\n## 参考文献\n\n* [1] [原始多语言 BERT](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fbert\u002Fblob\u002Fmaster\u002Fmultilingual.md)\n* [2] [“Beto、Bentz、Becas：BERT 的惊人跨语言有效性”中的多语言 BERT](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1904.09077.pdf)\n* [3] [“多语言 BERT 的多语言性有多强？”中的多语言 BERT](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1906.01502.pdf)\n* [4] [LASER](https:\u002F\u002Farxiv.org\u002Fabs\u002F1812.10464)\n* [5] [XLM (MLM+TLM)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1901.07291.pdf)\n* [6] [UDPipe 在“75 种语言，1 个模型：通用依存关系解析的普遍性”中的应用](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1904.02099.pdf)\n* [7] [“使用上下文和非上下文子词表示进行序列标注：多语言评估”中的多语言 BERT](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1906.01569.pdf)\n* [8] [“PAWS-X：用于释义识别的跨语言对抗数据集”中的多语言 BERT](https:\u002F\u002Farxiv.org\u002Fabs\u002F1908.11828)","# BETO 中文快速上手指南\n\n## 环境准备\n\n- **系统要求**：Linux \u002F macOS \u002F Windows（推荐 Python 3.7+）\n- **前置依赖**：\n  - Python 3.7+\n  - pip（推荐使用国内镜像加速）\n\n## 安装步骤\n\n```bash\npip install transformers torch\n```\n\n> 推荐使用国内镜像加速安装（如清华源）：\n```bash\npip install transformers torch -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\n使用 Hugging Face Transformers 库加载 BETO 模型，支持大小写两种版本：\n\n### 1. 加载未区分大小写模型（uncased）\n\n```python\nfrom transformers import AutoTokenizer, AutoModel\n\ntokenizer = AutoTokenizer.from_pretrained('dccuchile\u002Fbert-base-spanish-wwm-uncased')\nmodel = AutoModel.from_pretrained('dccuchile\u002Fbert-base-spanish-wwm-uncased')\n```\n\n### 2. 加载区分大小写模型（cased）\n\n```python\nfrom transformers import AutoTokenizer, AutoModel\n\ntokenizer = AutoTokenizer.from_pretrained('dccuchile\u002Fbert-base-spanish-wwm-cased')\nmodel = AutoModel.from_pretrained('dccuchile\u002Fbert-base-spanish-wwm-cased')\n```\n\n### 3. 简单文本编码示例\n\n```python\ntext = \"Hola, ¿cómo estás?\"\ninputs = tokenizer(text, return_tensors=\"pt\")\noutputs = model(**inputs)\nprint(outputs.last_hidden_state.shape)\n```\n\n> 更多任务示例（如分类、NER）请参考：[Hugging Face Quickstart](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Ftransformers\u002Ftasks\u002Fsequence_classification)  \n> 完整 Colab 示例：[点击访问](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1pYOYsCU59GBOwztkWCw5PTsqBiJbRy4S?usp=sharing)","一家西班牙语地区的金融科技公司正在开发一款智能客服系统，用于自动处理拉美地区用户关于贷款申请的咨询。团队需要准确理解用户用口语化西班牙语提出的复杂问题，如“¿Puedo reprogramar mi cuota si pierdo el trabajo?”（如果我失业了，能重新安排还款吗？），并精准识别意图与实体。\n\n### 没有 beto 时\n- 模型频繁误判口语表达，把“reprogramar mi cuota”错认为“取消还款”而非“延期还款”\n- 实体识别错误率高，无法准确提取“cuota”（月供）、“trabajo”（工作）等关键金融术语\n- 多国西班牙语变体（如墨西哥 vs 阿根廷）导致语义理解不稳定，客服响应一致性差\n- 依赖人工标注大量样本，训练周期长达3个月，迭代成本高昂\n- 与英文模型翻译后处理相比，准确率低15%以上，用户满意度持续下滑\n\n### 使用 beto 后\n- 精准理解“reprogramar mi cuota”为“延期还款”意图，准确率提升至94%，误判率下降70%\n- 基于BETO的NER模块能稳定识别“cuota”“plazo”“interés”等金融实体，召回率从71%升至88%\n- 对拉美各地口语表达（如“cobro”“pago”“cuota”）具备统一语义表征，响应一致性提升90%\n- 直接使用预训练模型微调，3周内完成系统上线，标注数据需求减少60%\n- 在MLDoc和XNLI基准上表现优于多语言BERT，用户满意度从3.2\u002F5提升至4.6\u002F5\n\nbeto 让西班牙语智能客服从“能听懂”进化到“真理解”，显著降低运营成本并提升用户体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdccuchile_beto_7cf21d80.png","dccuchile","DCC UChile","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdccuchile_df2b43d4.png","Departamento de Ciencias de la Computación Universidad de Chile",null,"contacto@dcc.uchile.cl","https:\u002F\u002Fdcc.uchile.cl\u002F","https:\u002F\u002Fgithub.com\u002Fdccuchile",504,63,"2026-03-24T21:48:26","CC-BY-4.0",1,"Linux, macOS, Windows","推荐使用 NVIDIA GPU，显存 8GB+，CUDA 11.7+（非必需，CPU 可运行但较慢）","16GB+",{"notes":92,"python":93,"dependencies":94},"建议使用 conda 管理环境，首次运行需从 Hugging Face 下载约 5GB 模型文件，推荐使用官方 Transformers 库加载模型，训练需大量计算资源，推理可使用 CPU 但建议使用 GPU 加速","3.8+",[95,96,97],"torch","transformers","accelerate",[15],[100,101,96,102,103,104],"bert","bert-model","transformers-library","nlp","spanish","2026-03-27T02:49:30.150509","2026-04-06T05:37:45.958877",[108,113,118,123,128,133],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},9190,"BETO 模型使用的是哪种分词器？是 BERT 原始的还是自定义的？","BETO 使用的是自定义的 BPE 分词器，基于训练语料库构建。词汇表可在仓库的 vocab 文件中查看，与原始 BERT 的 uncased 或 cased 分词器不同。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F1",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},9191,"BETO 如何处理西班牙语中的重音符号（如 hácia vs hacía）？","BETO 是大小写敏感（cased）模型，能正确区分带重音和不带重音的单词。使用时需指定完整模型名：`AutoTokenizer.from_pretrained(\"dccuchile\u002Fbert-base-spanish-wwm-cased\")`，避免使用简写如 \"dccuchile\u002Fcased\"。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F7",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},9192,"如何在 TensorFlow 中加载 BETO 模型？","先从 PyTorch 模型文件加载配置，再使用 from_pt=True 参数加载：`config = BertConfig.from_json_file('path\u002Fto\u002Fconfig.json')`，然后 `TFBertForSequenceClassification.from_pretrained('path\u002Fto\u002Fpytorch_model.bin', from_pt=True, config=config)`。分词器同样从 PyTorch 目录加载：`BertTokenizer.from_pretrained('path\u002Fto\u002Fpytorch')`。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F8",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},9193,"如何使用 BETO 对自定义西班牙语数据集进行微调？","推荐使用 Hugging Face Transformers 库的 Trainer 类进行微调。参考官方文档：https:\u002F\u002Fhuggingface.co\u002Ftransformers\u002Ftraining.html，其中包含完整的训练示例，支持 TF2 和 PyTorch。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F19",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},9194,"BETO 模型的架构参数是什么？隐藏层大小和注意力头数是多少？","BETO 是 BERT-base 架构，包含 12 层 Transformer，隐藏层大小为 768，注意力头数为 12，总参数约 110M。模型配置文件（config.json）已修正，此前论文中的 1024 隐藏层和 16 头是错误描述。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F21",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},9195,"在构建西班牙语推荐系统时，是否需要对 BETO 进行微调？","建议进行微调，因为 BETO 是通用预训练模型，针对特定任务（如市民提案语义匹配）进行微调能显著提升向量表示的准确性，使其更贴合你的数据分布。","https:\u002F\u002Fgithub.com\u002Fdccuchile\u002Fbeto\u002Fissues\u002F20",[]]